摘要
番茄作为中国最主要的粮食作物，其产量会受到叶霉病、晚疫病、黑斑潜蝇病、白粉病、花叶病等几十种番茄常规病害的严重影响。如果能在番茄病虫害早期及时正确判断病虫害种类，并及时制定针对性预防措施，将大大减少对番茄的直接经济损失以增加作物产量。该过程的关键点就是怎样迅速、精准地检测番茄病虫害类型。传统的番茄病虫害检测方式通常都是由专业科研人员运用自身的专业知识和经验来检测番茄病虫害。但是，传统的检测方式在技术人员数量、检测速率、预防面积、检测准确度等方面都相当地局限，无法充分适应中国农业现代化和信息化建设的要求。本文基于这一实际需求，提出基于改进型SVM的番茄病虫害检测识别方案，并设计实现了番茄叶片病虫害识别软件。 本文首先介绍了课题的研究背景，论述了番茄叶片病虫害的种类、数据集获取及其处理算法，包括图像分割、数据增强，介绍特征提取方法及SVM分类器的选择。 其次，对基于番茄叶片病虫害识别关键算法进行了研究和论述。本文使用以SVM支持向量机为主的多种识别模型对番茄病虫害进行实验，主要包括基于CCL-SVM算法的番茄病虫害识别和基于VGG16-SVM算法的番茄病虫害识别方案。在采用CCL-SVM方法的番茄病虫害识别设计中，以颜色纹理的CCL（CM、CCV、LBP）的融合数据作为特征输入值，再采用RBF-SVM方法根据最优参数运算，得出CCL-SVM模型并对番茄病虫害检测;在采用VGG16-SVM方法对番茄病害虫检测的方法中，首先将VGG16的图像数据特征提取部分和分类器进行拆分，而后又通过分析任务重构SVM分类器，并结合VGG16的图像特征提取部分,得到VGG16-SVM模型并对番茄病虫害检测识别。实验结果表明，与VGG16-SVM相比，本文提出的CCL-SVM方法显著提高了番茄叶片病虫害的识别性能，识别率提高了3.25个百分点，且测试时间远低于其他模型。本文所采用的CCL-SVM模型，检测时间短、识别率高、技术门槛低，为番茄病虫害的快速鉴定提出了全新的方法。 最后论述了番茄病虫害检测识别软件构建过程，软件采用Python与TensorFlow相结合的方式实现番茄病虫害检测识别，通过上传番茄叶片病虫害图片的方式与数据集相匹配来检测识别病虫害类别，大大提高识别的便捷性和实用性的要求。
NETL