基于机器学习和高光谱成像技术的茶叶病害识别研究

发布时间：2023-04-24 23:24

　　为实现茶叶病害的快速高效识别以及为无人机病害监测预警提供有价值的理论支撑和参考依据,本文以炭疽病、赤叶斑病、茶白星病等常见的茶叶病害作为研究对象,提出了基于高光谱成像技术和机器学习融合的茶叶病害识别方法。本课题研究的主要内容和结论如下。(1)研究了茶叶病害的高光谱数据采集和光谱特征选取方法。对采集得到的茶叶病害样本和健康叶片样本,通过高光谱成像系统设置适合的采集参数后,获取其在358-1021 nm之间共616个波段下的高光谱图像。对得到的高光谱图像进行黑白校正和平滑处理以消除采集过程中的噪声干扰。选取样本沿主叶脉方向近叶尖部位200像素见方的区域为感兴趣区域,提取每个波段下感兴趣区域内所有像素点的光谱反射率平均值作为该波段下的光谱反射率值。根据样本在全波段下的光谱反射率曲线可以得到各类样本光谱反射率的整体变化状况和差异,结合光谱反射率分离度计算得到使各类样本间分离程度最大的560、640、780 nm三个波段作为敏感波段,提取敏感波段的相对光谱反射率作为样本光谱特征。(2)研究了茶叶病害高光谱数据图像特征选取方法。针对高光谱图像数据相邻波段下图像的强相关性,通过主成分分析后每类样本的...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
        1.3.3 论文框架
    1.4 本章小结
第二章 材料与设备
    2.1 试验材料
        2.1.1 炭疽病
        2.1.2 赤叶斑病
        2.1.3 茶白星病
    2.2 试验设备
        2.2.1 高光谱成像技术简介
        2.2.2 高光谱成像系统
    2.3 高光谱数据采集
        2.3.1 高光谱数据采集软件
        2.3.2 数据采集
    2.4 本章小结
第三章 数据预处理
    3.1 光谱信息预处理
        3.1.1 高光谱图像黑白校正
        3.1.2 变量标准化
        3.1.3 平滑处理
    3.2 光谱数据定量方法
        3.2.1 光谱信息处理软件
        3.2.2 不同区域像素点光谱反射率
        3.2.3 感兴趣区域光谱反射率
    3.3 茶叶病害图像信息处理
        3.3.1 特征波长提取
        3.3.2 特征图像选取
        3.3.3 图像分割
    3.4 本章小结
第四章 茶叶病害特征工程
    4.1 茶叶病害特征构建
        4.1.1 纹理特征构建
        4.1.2 颜色特征构建
        4.1.3 光谱反射率特征构建
    4.2 茶叶病害特征提取
        4.2.1 纹理特征提取
        4.2.2 颜色特征提取
        4.2.3 光谱反射率特征提取
    4.3 茶叶病害特征组合
    4.4 茶叶病害特征降维
    4.5 本章小结
第五章 基于机器学习算法的茶叶病害识别模型
    5.1 数据集构建和整理
    5.2 基于支持向量机的茶叶病害分类检验
        5.2.1 算法介绍
        5.2.2 模型构建
        5.2.3 模型训练和测试
        5.2.4 模型评估与结果分析
    5.3 基于随机森林的茶叶病害分类检验
        5.3.1 算法介绍
        5.3.2 模型构建
        5.3.3 模型训练和测试
        5.3.4 模型评估与结果分析
    5.4 基于BP神经网络的茶叶病害分类检验
        5.4.1 算法介绍
        5.4.2 模型构建
        5.4.3 模型训练和测试
        5.4.4 模型评估与结果分析
    5.5 分类检验结果类比
    5.6 本章小结
第六章 结论与展望
    6.1 结论
    6.2 总结展望
参考文献
致谢
攻读学位期间取得的学术成果目录



本文编号：3800231