黄瓜病虫害检测仪关键技术研究

摘要

黄瓜病虫害的检测是防止黄瓜产量损失的关键环节，黄瓜的健康和疾病检测对植物可持续发展具有重要的研究意义。首先人工检测黄瓜病害虫叶片不能达到实时性和有效性，其次人工检测耗时耗力，最后检测过程需要大量的前期准备工作，比如做专业性判断黄瓜病害的叶片，需要过多的处理时间。利用计算机视觉技术对黄瓜病害的叶片进行早期诊断，可以在萌芽阶段检测到黄瓜叶片的病虫害，人们可以争取时间有效控制黄瓜病害大规模的蔓延。这种技术一方面可以达到提高农作物产量和质量的目的，另一方面可以在一定程度上减少农药的使用量。综上所述，本论文的选题是结合实际的，故此技术的应用前景是非常广阔的。
　　本课题研究的主要内容和成果如下:
　　1)给出基于计算机视觉技术的病虫害检测装置的整体设计。详细给出图片读取、图像增强、图片分割、特征值提取、识别精度评价的源代码和系统界面设计，并给出以树莓派为核心、包含摄像头模块、DHT11温湿度传感器模块、显示屏模块、电源模块和光源模块的关键电路设计。
　　2)针对两种典型的病虫害症状（黄瓜白粉病、黄瓜斑点病），实现图像的采集和输入，利用灰度化预处理和直方图均衡化增强的方法对图像病斑区域完成高清晰显示，利用自适应阈值分割算法进行病斑分割。结果显示:通过一系列的图像预处理，可以有效的提高叶片病斑部位的显示度。通过OTSU自适应阈值处理后的图像可以对具有不同形貌的斑点类病斑和大面积病斑两类病斑进行有效分割。最后利用滑动窗口算法和SVM支持向量机对病斑区域做位点检测。
　　3)建立并基于Python语言实现GAN生成对抗网络样本数据库算法，利用GAN生成对抗网络基于原始样本得到更多的样本数据，从白粉病、斑点病、正常叶片原始1000张叶片图片数据分别生成为6800张叶片图片数据。为基于大样本数据进行深度学习的后续的叶片种类识别做准备，有望大幅度提高检测识别准确率。
　　4)采用深度学习中具有代表性的卷积神经网络，通过网络设计、训练、和反向传播算法，完成卷积神经网络模型网络的搭建。最后，应用建立的网络对实际黄瓜病虫害的叶片数据图像进行处理。通过对白粉病、斑点病和无病虫害的300幅图像进行测试，结果发现本论文设计的基于深度学习的黄瓜叶片病虫害检测系统的准确率平均为94.61％。

目录

声明

摘要

第一章绪论

1．1研究的目的与意义

1．2国内外研究现状及发展动态

1．3研究目标与内容

1．4论文章节安排

第二章整体设计与关键技术

2．1整体设计

2．2系统工作原理

2．3整体软件设计

2．4关键电路设计

2．5图像采集

2．6本章小结

第三章GAN生成对抗网络样本数据库算法

3．1 GAN原理

3．2 GAN理论分析与运用

3．3本章小结

第四章基于深度学习的分类分析

4．1神经网络设计

4．2卷积神经网络模型设计

4．3卷积神经网络搭建过程

4．4网络模型实现

4．5本章小结

第五章基于SVM和滑动窗口的病虫害位点检测

5．1位点检测原理

5．2图像灰度化

5．3直方图均衡化介绍

5．4自适应阈值算法

5．5 SVM(支持向量机)和滑动窗口

5．6测试结果

5．7本章小结

第六章GUI界面设计

6．1读取图像

6．2图像增强(加权灰度化、直方图均一化)

6．3图像分割(0TSU自适应阈值算法)

6．4结果显示

6．5测试

6．6本章小结

7．1总结

7．2展望

参考文献

致谢

个人简介