基于卷积神经网络的烟草病害自动识别研究-农业电气化与自动化专业论文.docxVIP

万方数据 万方数据 关于学位论文原创性和使用授权的声明 本人所呈交的学位论文，是在导师指导下，独立进行科学研究所取得 的成果。对在论文研究期间给予指导、帮助和做出重要贡献的个人或集体， 均在文中明确说明。本声明的法律责任由本人承担。 本人完全了解山东农业大学有关保留和使用学位论文的规定，同意学 校保留和按要求向国家有关部门或机构送交论文纸质本和电子版，允许论 文被查阅和借阅。本人授权山东农业大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存 论文和汇编本学位论文，同时授权中国科学技术信息研究所将本学位论文 收录到《中国学位论文全文数据库》，并向社会公众提供信息服务。 保密论文在解密后应遵守此规定。 论文作者签名： 导 师 签 名： 日 期： 目 录 中 文 摘 要I Abstract II 1 引言 1 1.1 研究背景及意义 1 1.2 图像识别概述 2 1.2.1 图像特征的提取 3 1.2.2 图像的识别方法 4 1.3 深度学习的发展和研究现状 5 1.3.1 深度学习的发展 5 1.3.2 深度学习在各领域的研究现状 6 1.4 卷积神经网络的发展 7 1.5 本文的主要工作和安排 9 1.6 技术路线 10 2 烟草病害的采集及预处理 11 2.1 烟草病害的概述 11 2.2 烟草病害图像的采集 12 2.3 烟草病害图像的预处理 13 2.3.1 灰度化处理 13 2.3.2 实验结果 14 2.4 数据归一化 15 2.5 本章小结 15 3 卷积神经网络的结构及算法 16 3.1 人工神经网络概述 16 3.1.1 人工神经网络模型 16 BP 神经网络 17 3.1.3 BP 神经网络的缺点 18 3.2 卷积神经网络 19 3.3 卷积神经网络模型的反向传播算法 22 3.4 分类器 25 3.5 本章小结 27 4 基于卷积神经网络的烟草病害识别 28 4.1 卷积神经网络模型的结构 28 4.2 卷积神经网络实现 30 4.3 卷积神经网络的一些相关问题 31 4.3.1 算法的学习速率 31 4.3.2 收敛条件 31 4.4 卷积神经网络模型识别实验 32 4.5 实验结果及分析 34 4.5.1 实验设置及结果 34 4.5.2 迭代次数对分类结果的影响 35 4.5.3 不同分辨率对分类结果的影响 36 4.6 本章小结 37 5 烟草病害识别应用设计 38 5.1 Web 网页设计 38 5.2 诊断系统实现 39 5.3 系统的性能实现 40 5.4 本章小结 41 6 总结与展望 42 6.1 总结 42 6.2 展望 42 参考文献 44 致 谢 47 研究生期间发表的论文及专利情况 48 附录Ⅰ 测试过程部分程序代码 49 附录Ⅱ 训练过程部分程序代码 52 山东农业大学硕士学位论文 山东农业大学硕士学位论文 中 文 摘 要 烟草病害是目前困扰烟草种植户的一大问题，而我国又是烟草生产大国，烟草是我 国主要的经济作物之一。烟草病害不加以控制和预防的话，会严重的影响种植户的收入 和国家的财政税收。据统计，2015 年全国共种植烤烟 1610 万亩，烟草行业实现工商税 利总额超过 11400 亿元，上缴财政总额超过 1 万亿元。烟叶质量的好坏取决于烟草的健 康生长于否。但在烟草的生长过程中，不可避免的会受到各种影响因素的影响，其中就 包括各种烟草病害的危害，一旦产生病害，就会不同程度的让烟叶质量打折扣，影响烟 叶的整体水平。传统的烟草病害识别需要专业的技术人员和技术设备，无法满足种植户 的需求，无法大面积的使用推广。因此，如何高效快速的识别烟草病害的急需解决的问 题。 本文的处理对象是大田环境下采集的病毒病、角斑病、气候斑病等多种烟草病害图 片，采集装备使用的是安卓系统的手机，利用深度学习结构的卷积神经网络方法，结合 反向传播算法对烟草病害图片进行识别分类。卷积神经网络是人工神经网络和深度学习 技术的融合，实现局部感知、层次结构化、特征的抽取以及识别分类相结合的全局训练 特点。本文使用的卷积神经网络模型是 6 层结构，其中包括输入输出层、2 层卷积层、2 层采样层和 1 层完全连接层。该结构通过局部感受野、权重共享和降采样法识别实现图 像的位移、缩放和扭曲不变形。本文通过相关实验验证了卷积神经网络模型的可行性和 高性能。同时，讨论了不同的迭代次数和不同分辨率对网络模型训练和分类的影响。 设计了基于 Web 的烟草病害诊断系统。烟草病害诊断系统通过网页设计实现功能， 只需要种植户上传烟草病害图片或通过病害列表选择相应病害的描述，根据反馈的诊断 结果来实现烟草的病害预防。当种植户在大田发现烟草病害