基于Android的水稻病虫害图像识别与诊断系统的研究

摘要

水稻病虫害综合防治的首要前提是对田间病虫害进行及时准确的识别和诊断。目前，我国水稻病虫害识别与诊断工作主要依靠植保工作者的人工识别，费时费力，实时性差，无法满足现代农业的发展需求。随着机器学习和模式识别技术发展日益成熟，使得水稻病虫害的自动识别与诊断成为可能。为了实现水稻田间病虫害智能识别，本文建立了基于Android的水稻病虫害图像识别与诊断系统，实现对水稻病虫害图像的采集、识别和快速诊断。本论文主要研究内容、方法和结果如下:
　　(1)建立水稻病虫害信息数据库。利用SQLite数据库工具建立了水稻病虫害信息数据库，其中数据表中包括了水稻病虫害的图像存储位置信息、发生时期、为害症状及对应的防治措施等信息。客户端APP通过API接口访问该数据库，实现水稻常见病虫害信息的查询。
　　(2)基于Android的水稻病虫害图像识别与诊断系统的开发。该系统包括客户端和服务器端。客户端APP可以实现病虫害图像采集、信息浏览及与服务器端信息交互;服务器端包括对客户端请求信息响应及调用相应识别算法对病虫害图像进行分类识别。首先由用户通过Android手机APP获取病虫害图像，选用HTTP通信协议，将待识别图像发送至远端服务器，服务器端接收图像数据后调用水稻病虫害算法识别库，完成水稻病虫害的识别并将识别结果与诊断信息返回客户端，实现了水稻病虫害无损、及时和准确的识别。其中Android手机端可对获取图像进行裁剪，在减少数据传输量的同时也有助于后续的图像分析，缩短了系统运行时间。
　　(3)基于SVM的水稻病虫害为害状图像识别算法的研究。首先，根据自然环境下水稻病虫害为害状图像的特点，构建符合其特点的图像预处理流程，使用基于显著性的图像分割算法分离出病斑区域;提取病斑图像的颜色、纹理、形状特征，采用SVM分类器实现了稻瘟病、稻曲病、稻纵卷叶螟为害状、纹枯病共4种病虫害为害状图像的分类识别，平均识别准确率达到92.0％。
　　(4)基于特征融合和稀疏表示的害虫图像识别算法的研究。为了获得更有效的图像特征，对所有害虫图像进行旋转使害虫头朝上，按照长宽比为1∶2的比例裁剪昆虫图像，并使其占据图像大部分面积，然后将图像进行等比例缩放至统一像素尺寸48×96;提取害虫图像的全局颜色特征与局部特征;对提取特征进行筛选和融合，为训练样本构建多特征过完备字典，利用过完备字典对测试图像进行多特征稀疏表示。同时，计算稀疏集中指数阈值，用于判断测试样本的有效性，如果测试样本的稀疏集中指数大于该阈值，则认为最小残差所对应的类别即为测试样本的类别，否则认为该测试样本为非测报害虫。最终，基于HOG特征与颜色特征的融合特征结合稀疏表达分类器获得9种害虫的最优分类，其平均识别率达到90.1％。
　　基于Android的水稻病虫害图像识别与诊断系统具有实时、高效、准确和便携性，可为农民提供方便快捷的水稻田间病虫害识别与诊断方法，应用前景良好。

目录

声明

摘要

第一章 绪论

1．1．1 研究背景

1．1．2 研究目的与意义

1．2 国内外研究进展

1．2．1 农作物病虫害信息采集、监测研究现状

1．2．2 农作物病虫害识别方法研究现状

1．3 研究内容

1．4 技术路线

1．5 论文安排

第二章 基于Android的水稻病虫害图像识别与诊断系统框架搭建

2．1 Android手机端的设计与实现

2．1．1 水稻病虫害信息数据库的建立

2．1．2 基于Android手机的水稻病虫害信息浏览及图像采集模块功能实现

2．2．1 HTTP协议

2．2．2 客户端与服务器端的通信实现

2．3．1 Tomcat服务器的搭建

2．3．2 服务器端对HTTP请求的响应实现

2．3．3 水稻病虫害图像识别算法的调用

2．4 本章小结

第三章 基于图像的水稻病虫害为害状识别算法研究

3．1 水稻病虫害为害状图像预处理

3．1．1 图像预处理

3．1．2 背景分割

3．1．3 形态学滤波

3．2 特征提取

3．2．1 颜色特征

3．2．2 纹理特征

3．2．3 形态特征

3．3．1 支持向量机

3．3．2 基于SVM的水稻病虫害为害状识别结果

3．4 本章小结

第四章 基于特征融合和稀疏表示的害虫图像识别算法研究

4．1 水稻害虫图像特征提取

4．1．1 颜色特征提取

4．1．2 HOG特征提取

4．1．3 Gabor特征提取

4．1．4 LBP特征提取

4．2 颜色特征与局部特征的融合

4．3．1 稀疏表示原理

4．3．2 基于不同特征下的稀疏表示水稻害虫识别

4．4 基于局部特征的稀疏表示害虫图像识别结果

4．5 基于颜色特征与局部特征融合的稀疏表示害虫图像识别结果

4．6 本章小结

第五章 基于Android的水稻病虫害图像识别与诊断系统测试与结果分析

5．1 测试环境

5．2．1 系统功能

5．2．2 系统测试

5．2．3 系统评价

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间参与的科研项目和发表论文