基于显微高光谱图像的土壤中疣孢霉厚垣孢子检测方法研究
这是一篇关于双孢蘑菇,目标检测,波段选择,高光谱,深度学习的论文, 主要内容为疣孢霉病是双孢蘑菇最为普遍且最为严重的传染性真菌类病害之一,其致病菌为有害疣孢霉菌(Mycogone perniciosa),具有传染性强、危害性大、早期症状不显著等特点。目前缺乏对双孢蘑菇疣孢霉病早期检测手段,人眼观察或者生化实验等传统检测手段往往耗时耗力并且容易错过最佳防治时期导致降低双孢蘑菇生产或者滥用农药、影响品质等问题。由于疣孢霉病传播途径主要是通过双孢蘑菇栽培覆土里面的疣孢霉菌及其厚垣孢子感染双孢蘑菇致病。为了对双孢蘑菇疣孢霉病感染风险预警,本文针对其土传性特点利用显微高光谱成像技术获取双孢蘑菇早期染病时期被污染的土壤中厚垣孢子显微高光谱图像,探索基于显微高光谱图像的厚垣孢子目标检测方法研究。本文研究结果如下:(1)使用波段选择算法对厚垣孢子显微高光谱图像优选出波段之间相关性低、信息量大的波段子集用于后续孢子目标检测。对比分析了最大方差主成分分析(MVPCA)、基于正交投影波段选择(OPBS)和基于稀疏表示波段选择(Spa BS)以及基于注意力机制的自编码器重建网络(BS-Net-Conv)的波段选择算法所选波段子集在支持向量机(SVM)和K近邻分类器(KNN)上的分类效果,实验结果表明BS-Net-Conv优选波段子集分类性能表现最佳,SVM和KNN的平均kappa值分别是0.709和0.745,能够适用于本文数据集波段优选降维。(2)在优选的波段子集上,基于厚垣孢子的先验光谱信息使用约束能量最小化(CEM)算法及其改进算法检测显微高光谱图像中的孢子目标,对比基于多目标的加和CEM(SCEM)和胜者全赢CEM(WTACEM)以及基于分层的CEM(h CEM)及其改进算法h CEM-sigmoid四种方法对孢子目标检测性能。结果表明,在三张显微高光谱图像数据MHI-4a、MHI-4b和MHI-4c经波段优选后的波段子集上使用CEM算法的检测厚垣孢子的AUC总体比基于原始显微高光谱图像的CEM检测结果分别提升了2.79%、19.40%、6.73%,证实了波段选择算法的有效性;h CEM-sigmoid算法在三个数据上的平均AUC值为0.9555,该方法检测结果图中对背景光谱抑制效果更好,性能表现相比其他算法更优秀。(3)利用深度学习实现疣孢霉菌厚垣孢子目标检测,提出一种基于本文数据集目标特点的Faster RCNN改进算法。针对厚垣孢子目标小和背景复杂,改进Faster RCNN算法融合Resnet50残差网络和特征金字塔网络建立深度卷积网络多尺度特征提取,同时优化区域建议网络以及使用ROI Align,避免候选框与孢子小目标的尺寸和位置不匹配的问题,使之适合复杂背景下厚垣孢子识别。本文提出的改进的Faster RCNN方法对孢子的检测效果优异,平均检测精度达到了94.68%,单张图像检测时间为47 ms,其准确性和实时性能够满足现实需求。
基于高光谱图像的小麦种子纯度/含水率检测系统研发
这是一篇关于纯度,含水率,不均衡样本,波段选择,系统开发的论文, 主要内容为种业是国家战略性和基础性核心产业,是促进我国农业长期稳定发展、国家粮食安全的基础性保障。优质品种的农作物种子对增产稳产、抗虫病害和减少农业污染方面具有重要意义。《农作物种子检验规程》将纯度定义为品种在特征特性方面典型一致的程度,用本品种的种子数占供检本作物样品种子数的百分率表示。许多育种专家在培育优质农作物种子的同时也面临种子混杂的风险,因而农作物种子的纯度鉴别对培育优质农作物种子以及提高农业生产具有重要作用。与此同时,农作物种子含水率是种子贮藏中非常重要的一个指标,含水率过高或过低都会影响种子活性进而影响其贮藏,因此种子的含水率检测是种子保存过程中非常重要的一个环节。为了实现小麦种子的纯度和含水率的自动化检测,本课题基于高光谱成像技术,结合当前的软硬件技术,开发了基于高光谱图像的小麦种子纯度/含水率检测系统,将所研究的纯度/含水率检测模型嵌入到系统中并验证系统的可行性,在纯度检测中,将小麦种子的均值光谱作为输入特征,满足需求品种小麦种子与杂质种子分别作为正负样本的输出特征,含水率检测中,均值光谱作为输入特征,含水率作为输出特征,课题的主要工作如下:1.面向实际应用需求,以功能集成化、操作参数自动调整设置为目标,确立了系统的总体功能框架,并完成了硬件选型和设计。课题以STM32F103RBT6芯片为控制核心,利用I/O口输出的PWM波和定时器完成电机速度和方向的调节;结合STC89C52芯片与RS232总线调节光源亮度,实现光源亮度的远程控制;以RS485总线实现环境信息(温湿度)的传输,并以STM32的第一路USART串口实现与上位机数据交互,此外设计或添加了电源模块以及驱动电路等,并将上述各硬件电路模块集成到电路原理图上用于PCB设计及制板,实现电路的集成化。通过上述硬件电路的选型或设计最终实现:1)控制电机的运行速度使其与相机的曝光时间保持一致;2)读取周围环境温湿度信息,尽量减少热噪声和空气中的水分对检测造成干扰;3)控制光源亮度的远程调节,使相机能够充分获取样品信息等。2.面向小麦种子纯度高精度检测需要,研究提出了一种融合合成少数类过采样技术(Synthetic Minority Over-Sampling Technique,SMOTE)、非信息变量剔除(Uninformative Variable Elimination,UVE)和支持向量机(Support Vector Machines,SVM)的种子纯度高光谱检测模型,以解决实际应用场景由于杂质样本难以获取导致的样本不均衡问题。该模型首先利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;并利用UVE对高维的高光谱特征进行选择,减少波段冗余导致模型稳健性降低的风险;最后构建SVM模型作为分类器,以进一步改善小样本条件下的纯度检测性能。基于5类小麦种子的试验表明:所提方法显著地改善了小麦种子负样本数量不足情况下的种子纯度检测精度,在平均准确率、精确率和负样本检出率上分别达到95.98%、94.94%和89.32%,较传统方法分别提高了3.89%、7.18%和12.42%。针对系统小麦种子含水量检测需求,本文基于小麦种子的高光谱图像并利用偏最小二乘回归算法进行建模,分别将所研究的纯度和含水量模型嵌入到系统中,验证系统的可行性。3.以操作界面友好,系统功能完备、便于操作等为出发点,开发了人机交互界面与后端控制的软件系统。系统软件以Windows操作系统为操作平台,采用Python进行逻辑代码实现,通过Py Qt进行图形界面绘制,最后使用QSS进行界面渲染,在Windows平台上构建数据库,结合Py Qt与Matplotlib库实现对小麦种子纯度检测结果的准确定位。根据实际应用需求,确立了系统检测软件应当实现以下功能:1)温湿度信息的显示、光源亮度控制界面、电机速度调节界面等;2)基于标定物的轮廓检测算法实现电机最优速度的自动配置;3)试验样品的高光谱图像采集与黑白板图像校正;4)对小麦种子和含水率检测分析的前端与后端实现;5)数据的数据库管理设计与实现等。系统开发期间,还设计并实现了小麦样品检测数目不确定时自动开辟线程数目的方法,小麦种子纯度检测结果的准确定位。
基于显微高光谱图像的土壤中疣孢霉厚垣孢子检测方法研究
这是一篇关于双孢蘑菇,目标检测,波段选择,高光谱,深度学习的论文, 主要内容为疣孢霉病是双孢蘑菇最为普遍且最为严重的传染性真菌类病害之一,其致病菌为有害疣孢霉菌(Mycogone perniciosa),具有传染性强、危害性大、早期症状不显著等特点。目前缺乏对双孢蘑菇疣孢霉病早期检测手段,人眼观察或者生化实验等传统检测手段往往耗时耗力并且容易错过最佳防治时期导致降低双孢蘑菇生产或者滥用农药、影响品质等问题。由于疣孢霉病传播途径主要是通过双孢蘑菇栽培覆土里面的疣孢霉菌及其厚垣孢子感染双孢蘑菇致病。为了对双孢蘑菇疣孢霉病感染风险预警,本文针对其土传性特点利用显微高光谱成像技术获取双孢蘑菇早期染病时期被污染的土壤中厚垣孢子显微高光谱图像,探索基于显微高光谱图像的厚垣孢子目标检测方法研究。本文研究结果如下:(1)使用波段选择算法对厚垣孢子显微高光谱图像优选出波段之间相关性低、信息量大的波段子集用于后续孢子目标检测。对比分析了最大方差主成分分析(MVPCA)、基于正交投影波段选择(OPBS)和基于稀疏表示波段选择(Spa BS)以及基于注意力机制的自编码器重建网络(BS-Net-Conv)的波段选择算法所选波段子集在支持向量机(SVM)和K近邻分类器(KNN)上的分类效果,实验结果表明BS-Net-Conv优选波段子集分类性能表现最佳,SVM和KNN的平均kappa值分别是0.709和0.745,能够适用于本文数据集波段优选降维。(2)在优选的波段子集上,基于厚垣孢子的先验光谱信息使用约束能量最小化(CEM)算法及其改进算法检测显微高光谱图像中的孢子目标,对比基于多目标的加和CEM(SCEM)和胜者全赢CEM(WTACEM)以及基于分层的CEM(h CEM)及其改进算法h CEM-sigmoid四种方法对孢子目标检测性能。结果表明,在三张显微高光谱图像数据MHI-4a、MHI-4b和MHI-4c经波段优选后的波段子集上使用CEM算法的检测厚垣孢子的AUC总体比基于原始显微高光谱图像的CEM检测结果分别提升了2.79%、19.40%、6.73%,证实了波段选择算法的有效性;h CEM-sigmoid算法在三个数据上的平均AUC值为0.9555,该方法检测结果图中对背景光谱抑制效果更好,性能表现相比其他算法更优秀。(3)利用深度学习实现疣孢霉菌厚垣孢子目标检测,提出一种基于本文数据集目标特点的Faster RCNN改进算法。针对厚垣孢子目标小和背景复杂,改进Faster RCNN算法融合Resnet50残差网络和特征金字塔网络建立深度卷积网络多尺度特征提取,同时优化区域建议网络以及使用ROI Align,避免候选框与孢子小目标的尺寸和位置不匹配的问题,使之适合复杂背景下厚垣孢子识别。本文提出的改进的Faster RCNN方法对孢子的检测效果优异,平均检测精度达到了94.68%,单张图像检测时间为47 ms,其准确性和实时性能够满足现实需求。
内陆水体遥感水质反演算法研究及应用
这是一篇关于水质反演,准分析算法,波段选择,总悬浮物浓度,叶绿素浓度的论文, 主要内容为随着遥感技术的蓬勃发展,使用遥感技术对水体进行低成本、大范围、高时间分辨率以及无接触式的水质反演成为可能。针对目前内陆水体遥感水质反演仍然存在数据获取成本高、模型通用性不足、理论研究与实际应用结合不紧密等问题,本文开展了内陆水体遥感水质反演算法的研究。本文主要从以下几个方面展开研究:(1)针对准分析算法(quasi-analytical algorithm,QAA)在内陆水体水质反演时的低适用性问题,提出了一种半分析的基于改进QAA的内陆水体水质反演方法。该方法基于同一水体特定区域内相邻点位间固有光学特性的同质性和合理性,实现了对QAA的无监督改进,以适用于当前研究水体;通过改进QAA反演水体吸收系数,并利用其波段组合构建了总悬浮物(total suspended matter,TSM)的反演模型;最终利用具有最优反演效果的归一化总悬浮物浓度指数(normalized difference TSM index,NDTI)模型反演得到了总悬浮物浓度的空间分布图。(2)针对高光谱数据强相关性和高冗余度造成的维度灾难问题,提出了一种基于神经网络(neural network-based band selection,NNBS)波段选择的内陆水体水质反演方法。利用神经网络权重对特征重要性的表达能力,对高光谱数据进行波段选择;选择得到的波段集合作为下游模型输入数据的特征,并分别利用随机森林和神经网络构建总悬浮物浓度和叶绿素浓度的反演模型。实验结果表明,本文提出的基于L1范数和L2范数的NNBS算法能够得到信息量更大的波段集合,且在利用神经网络作为下游模型时,能够获得较好的总悬浮物浓度和叶绿素浓度反演效果。(3)结合前述理论和方法,基于浏览器/服务器(browser/server,B/S)架构,研制了基于遥感水质反演的水务管理与监控软件。该软件具有系统管理、水体数据管理、水质反演、水质数据分析、水务管理等功能。
基于高光谱图像的小麦种子纯度/含水率检测系统研发
这是一篇关于纯度,含水率,不均衡样本,波段选择,系统开发的论文, 主要内容为种业是国家战略性和基础性核心产业,是促进我国农业长期稳定发展、国家粮食安全的基础性保障。优质品种的农作物种子对增产稳产、抗虫病害和减少农业污染方面具有重要意义。《农作物种子检验规程》将纯度定义为品种在特征特性方面典型一致的程度,用本品种的种子数占供检本作物样品种子数的百分率表示。许多育种专家在培育优质农作物种子的同时也面临种子混杂的风险,因而农作物种子的纯度鉴别对培育优质农作物种子以及提高农业生产具有重要作用。与此同时,农作物种子含水率是种子贮藏中非常重要的一个指标,含水率过高或过低都会影响种子活性进而影响其贮藏,因此种子的含水率检测是种子保存过程中非常重要的一个环节。为了实现小麦种子的纯度和含水率的自动化检测,本课题基于高光谱成像技术,结合当前的软硬件技术,开发了基于高光谱图像的小麦种子纯度/含水率检测系统,将所研究的纯度/含水率检测模型嵌入到系统中并验证系统的可行性,在纯度检测中,将小麦种子的均值光谱作为输入特征,满足需求品种小麦种子与杂质种子分别作为正负样本的输出特征,含水率检测中,均值光谱作为输入特征,含水率作为输出特征,课题的主要工作如下:1.面向实际应用需求,以功能集成化、操作参数自动调整设置为目标,确立了系统的总体功能框架,并完成了硬件选型和设计。课题以STM32F103RBT6芯片为控制核心,利用I/O口输出的PWM波和定时器完成电机速度和方向的调节;结合STC89C52芯片与RS232总线调节光源亮度,实现光源亮度的远程控制;以RS485总线实现环境信息(温湿度)的传输,并以STM32的第一路USART串口实现与上位机数据交互,此外设计或添加了电源模块以及驱动电路等,并将上述各硬件电路模块集成到电路原理图上用于PCB设计及制板,实现电路的集成化。通过上述硬件电路的选型或设计最终实现:1)控制电机的运行速度使其与相机的曝光时间保持一致;2)读取周围环境温湿度信息,尽量减少热噪声和空气中的水分对检测造成干扰;3)控制光源亮度的远程调节,使相机能够充分获取样品信息等。2.面向小麦种子纯度高精度检测需要,研究提出了一种融合合成少数类过采样技术(Synthetic Minority Over-Sampling Technique,SMOTE)、非信息变量剔除(Uninformative Variable Elimination,UVE)和支持向量机(Support Vector Machines,SVM)的种子纯度高光谱检测模型,以解决实际应用场景由于杂质样本难以获取导致的样本不均衡问题。该模型首先利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;并利用UVE对高维的高光谱特征进行选择,减少波段冗余导致模型稳健性降低的风险;最后构建SVM模型作为分类器,以进一步改善小样本条件下的纯度检测性能。基于5类小麦种子的试验表明:所提方法显著地改善了小麦种子负样本数量不足情况下的种子纯度检测精度,在平均准确率、精确率和负样本检出率上分别达到95.98%、94.94%和89.32%,较传统方法分别提高了3.89%、7.18%和12.42%。针对系统小麦种子含水量检测需求,本文基于小麦种子的高光谱图像并利用偏最小二乘回归算法进行建模,分别将所研究的纯度和含水量模型嵌入到系统中,验证系统的可行性。3.以操作界面友好,系统功能完备、便于操作等为出发点,开发了人机交互界面与后端控制的软件系统。系统软件以Windows操作系统为操作平台,采用Python进行逻辑代码实现,通过Py Qt进行图形界面绘制,最后使用QSS进行界面渲染,在Windows平台上构建数据库,结合Py Qt与Matplotlib库实现对小麦种子纯度检测结果的准确定位。根据实际应用需求,确立了系统检测软件应当实现以下功能:1)温湿度信息的显示、光源亮度控制界面、电机速度调节界面等;2)基于标定物的轮廓检测算法实现电机最优速度的自动配置;3)试验样品的高光谱图像采集与黑白板图像校正;4)对小麦种子和含水率检测分析的前端与后端实现;5)数据的数据库管理设计与实现等。系统开发期间,还设计并实现了小麦样品检测数目不确定时自动开辟线程数目的方法,小麦种子纯度检测结果的准确定位。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码项目助手 ，原文地址：https://bishedaima.com/lunwen/54645.html
