基于机器学习的真菌孢子显微图像的特征提取与识别-计算机应用技术专业论文.docxVIP

研究生优秀毕业论文 4．1图片材料 4．1图片材料 ．．35 4．2卷积神经网络实验图像预处理 ．．36 4．3卷积神经网络结构 ．．38 4．4探测器的训练 ．．40 4．5实验结果与分析 ．．41 4．6本章小结 ．．42 第5章 总结 ． 45 参考文献 47 致 谢 5 1 攻读硕士学位期间发表的论文 53 万方数据 摘要基于机器学习的真菌孢子显微图像的 摘要 基于机器学习的真菌孢子显微图像的 特征提取与识别 计算机应用技术硕士研究生岳路路 指导教师杨明 副教授 摘 要 21世纪是信息技术高速发展，也是生物信息科学发展的时代，生命科学与信息科学相互 交叉融合，不仅促进了各自领域的发展，又不断促进新领域的诞生。信息科学的发展为生命 科学的发展提供了一系列便利方法和工具，因此信息技术与生物技术的结合越来越成为研究 的热点。随着现代计算机技术的快速发展，以人工智能为基础的图像识别与分类技术在农业 病原微生物的自动检测领域中得到了越来越广泛的应用。与传统的生物学显微检测方法相比， 它具有主观误差小、工作效率高、对检测员技术水平要求低等特点，能显著提高农业病害预 报的实效性和准确性，满足农业生产的需要。 机器学习是利用计算机来模拟人类的学习过程，随着该领域新兴算法的不断提出，在图 像分类以及图像识别中的应用也越快越广泛。本文利用机器学习中的相关算法对真菌孢子显 微图像分类与识别进行了深入的研究，在传统的真菌孢子图像的分类与识别中，往往采取的 是人工显微识别方法，对识别人技术要求高，同时难以操作，本文以SIFT特征和RGB SIFT 特征为基础对真菌孢子显微图像进行特征提取，并对提取的特征进行聚类处理，将每个图像 以特征向量的形式表示。文中算法采用了词袋(bag ofword)思想，视每篇文档为一个词频向 量。每一篇文档可以看作由一些主题所组成的一个概率分布，而每一个主题又可以看作是很 多单词所构成的一个概率分布。在真菌孢子显微图像的分类中，以特征向量代替词频向量， 将图像转化为不同类别的概率分布。在此基础上，我们又采用不同的分类器对获取的特征向 量进行分类，从而获取到真菌孢子显微图像的分类结果。该方法能够较好地对真菌孢子显微 图像进行特征提取与分类，这为预测和区分农业中不同真菌病害的发生提供了依据。 为了能够对病害发生发展过程中不同的特征进行预测和分析，提前对真菌孢子在生命周 期中的不同特征进行识别尤为重要，因此，在真菌病害研究中，对显微图像中孢子进行识别 与计数，进而得到真菌孢子在不同环境，即逆境或顺境的生存能力和存活率等等就显得非常 有必要。本文利用卷积神经网络对显微图像中的孢子进行识别，卷积神经网络是将深度学习 和人工神经网络结合而产生的一个新型人工神经网络方法，相对于其他方法，它具有许多优 势，例如局部感知区域、层次结构化、特征抽取和分类过程结合等，广泛的应用于多个领域， 万方数据 西南大学硕士学位论文 西南大学硕士学位论文 如人脸检测、文档分析、语音检测、车牌识别等。本文在总结了国内外有关卷积神经网络基 本概念、算法和研究成果的基础上，以经典的卷积神经网络模型为基础，对显微图像中的真 菌孢子进行了识别，通过对模型的调整和参数的修改，取得了较好的识别效果，为进一步进 行生物学研究提供了依据和便利，也为我国的农作物病害的自动化防治管理提供了一定的理 论依据，具有重要的理论和实践意义。 关键字：真菌孢子显微图像，K最近邻，主题模型，支持向量机，卷积神经网络 万方数据 AbstractThe Abstract The Featu re Extraction and Recognition of Spore Images Based on Machine Learning Maj or：Computer Application Technology Master：Lulu Yue SuperVisor：Associate Professor Ming Yrang AbStraCt The 2 1th century is the of information science which is deVeloping with high speed，and is also the of 1ife science deVelopment，the integration of 1ife science and infonnation science has not only improVed the deVelopment themselVes，but also accelerated the eme唱e of new study fields． The deVelopment of information science ha