基于GA-BP神经网络的温室番茄病害诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题背景和意义 | 第8-9页 |
| 1.1.1 农业病虫害现状 | 第8页 |
| 1.1.2 温室作物病虫害检测 | 第8-9页 |
| 1.1.3 传统检测方法的局限性 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 图像处理和识别技术在农业生产中的应用 | 第12-13页 |
| 1.4 神经网络及其在农业生产中的应用 | 第13-15页 |
| 1.4.1 神经网络的阶段和特点 | 第13-14页 |
| 1.4.2 神经网络在农业中的应用 | 第14-15页 |
| 1.5 研究内容 | 第15-17页 |
| 2 系统总体设计和图像获取 | 第17-22页 |
| 2.1 温室番茄病虫害 | 第17页 |
| 2.2 总体设计思想 | 第17-19页 |
| 2.3 图像获取 | 第19-21页 |
| 2.3.1 试验材料 | 第19页 |
| 2.3.2 P2P监测 | 第19-20页 |
| 2.3.3 数码相机图像采集 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 图像预处理和特征提取算法研究 | 第22-44页 |
| 3.1 图像预处理 | 第22-27页 |
| 3.1.1 图像增强 | 第22-23页 |
| 3.1.2 分治中值法同传统滤波算法比较 | 第23-27页 |
| 3.2 叶片和背景分离 | 第27-35页 |
| 3.2.1 传统的阈值分割法 | 第27-29页 |
| 3.2.2 改进的分水岭算法 | 第29-35页 |
| 3.3 病斑提取 | 第35-38页 |
| 3.3.1 颜色系统转换和RGB通道分离 | 第35-37页 |
| 3.3.2 病斑提取的最佳颜色通道 | 第37-38页 |
| 3.4 特征提取 | 第38-43页 |
| 3.4.1 颜色特征提取 | 第38-39页 |
| 3.4.2 形状特征提取 | 第39-42页 |
| 3.4.3 纹理特征提取 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 GA-BP神经网络模型的设计 | 第44-55页 |
| 4.1 神经网络的构建和训练 | 第44-45页 |
| 4.2 BP神经网络的模式识别 | 第45-47页 |
| 4.2.1 BP神经网络结构 | 第45页 |
| 4.2.2 BP算法 | 第45-47页 |
| 4.2.3 构建BP神经网络 | 第47页 |
| 4.3 BP神经网络的缺陷 | 第47-48页 |
| 4.4 遗传算法 | 第48-51页 |
| 4.4.1 遗传算法的概念 | 第48页 |
| 4.4.2 遗传算法的基本原理 | 第48-50页 |
| 4.4.3 遗传算法的Matlab实现 | 第50-51页 |
| 4.5 GA-BP神经网络的建立 | 第51-54页 |
| 4.5.1 GA-BP算法 | 第51-52页 |
| 4.5.2 遗传算法优化前后的BP算法比较 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 病害识别及严重程度估测试验结果和分析 | 第55-65页 |
| 5.1 特征参数降维处理 | 第55-57页 |
| 5.2 病害识别的GA-BP网络训练 | 第57-60页 |
| 5.2.1 病害识别的BP网络训练 | 第57-58页 |
| 5.2.2 遗传算法优化后的BP网络训练 | 第58-60页 |
| 5.3 病害识别结果及分析 | 第60-61页 |
| 5.3.1 病害识别结果 | 第60-61页 |
| 5.3.2 病害识别误判原因分析 | 第61页 |
| 5.4 病害严重程度估测 | 第61-64页 |
| 5.4.1 估测方法 | 第61-62页 |
| 5.4.2 估测结果 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-73页 |
| 攻读学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74-75页 |
