基于机器视觉的农田害虫自动识别方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究背景 | 第8-10页 |
| ·害虫识别技术的发展 | 第8-9页 |
| ·基于机器视觉的害虫识别技术简介 | 第9-10页 |
| ·害虫治理现状 | 第10页 |
| ·相关技术研究现状 | 第10-13页 |
| ·图像预处理技术的研究现状 | 第10-11页 |
| ·害虫特征提取技术的研究现状 | 第11-12页 |
| ·害虫特征优化技术的研究现状 | 第12页 |
| ·害虫分类识别方法的研究现状 | 第12-13页 |
| ·课题研究的内容和意义 | 第13-15页 |
| ·课题研究的内容 | 第13-14页 |
| ·课题研究的意义 | 第14-15页 |
| 2 害虫图像采集与预处理 | 第15-21页 |
| ·害虫图像采集系统 | 第15-16页 |
| ·害虫图像预处理 | 第16-21页 |
| ·害虫图像增强 | 第16-17页 |
| ·害虫图像分割 | 第17-18页 |
| ·害虫样本摆放一致性问题 | 第18-20页 |
| ·背景图像干扰 | 第20-21页 |
| 3 害虫图像特征提取 | 第21-29页 |
| ·形状特征提取 | 第21-24页 |
| ·几何特征提取 | 第21-22页 |
| ·Hu不变矩特征提取 | 第22-24页 |
| ·纹理特征提取 | 第24-26页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第24-25页 |
| ·基于小波变换的纹理特征提取 | 第25-26页 |
| ·HSV颜色特征提取 | 第26-29页 |
| 4 害虫图像特征优化 | 第29-41页 |
| ·基于遗传算法的特征优化 | 第29-33页 |
| ·遗传算法概述 | 第29-31页 |
| ·遗传算法优化特征数据 | 第31-33页 |
| ·基于模拟退火算法的特征优化 | 第33-36页 |
| ·模拟退火算法概述 | 第33-35页 |
| ·模拟退火算法优化特征数据 | 第35-36页 |
| ·基于蚁群算法的特征优化 | 第36-41页 |
| ·蚁群算法概述 | 第36-37页 |
| ·蚁群算法优化特征数据 | 第37-41页 |
| 5 算法实验结果及分析 | 第41-51页 |
| ·分类器设计及实现 | 第41-44页 |
| ·支持向量机概述 | 第41-43页 |
| ·libsvm工具箱简介 | 第43页 |
| ·支持向量机参数选择 | 第43-44页 |
| ·优化算法实验 | 第44-48页 |
| ·遗传算法实验结果 | 第44-45页 |
| ·模拟退火算法实验结果 | 第45-47页 |
| ·蚁群算法实验结果 | 第47-48页 |
| ·优化结果对比分析 | 第48-49页 |
| ·害虫识别性能提升 | 第49-51页 |
| 6 害虫识别分类的应用研究 | 第51-71页 |
| ·硬件系统设计 | 第51-58页 |
| ·供电系统 | 第52-54页 |
| ·害虫诱捕及传动系统 | 第54-56页 |
| ·图像采集与处理系统 | 第56-58页 |
| ·系统软件设计 | 第58-68页 |
| ·害虫识别模型建立 | 第59-62页 |
| ·GPRS功能 | 第62-66页 |
| ·害虫识别计数功能 | 第66-68页 |
| ·系统测试 | 第68-71页 |
| 7 结论 | 第71-72页 |
| 8 展望 | 第72-73页 |
| 9 参考文献 | 第73-78页 |
| 10 致谢 | 第78页 |
