草莓叶片白粉病识别与定位的研究与实现

作     者：梅珀彰 

作者单位：沈阳农业大学 

学位级别：硕士

导师姓名：杨涛;李志华

授予年度：2019年

学科分类：12[管理学] 08[工学] 09[农学] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0904[农学-植物保护] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：草莓叶片 白粉病 病害识别与定位 卷积神经网络 迁移学习 GAIN 

摘      要：中国的草莓市场广阔,全国各地的草莓培育基地逐年增加。然而,草莓在栽培期间极其容易遭受病害侵袭而导致大规模减产。草莓白粉病对草莓产业的危害很大,尤其是东北地区的草莓更容易感染白粉病。因为草莓白粉病主要危害草莓的叶片而叶片是保证草莓果实健康成长的重要器官,所以草莓叶片的白粉病识别是防治白粉病的基石与保障草莓产量的关键。因此,本研究旨在设计并实现可以快速准确地对草莓叶片进行白粉病识别与病斑定位的模型。自2012年见证Alex Net卓越的分类能力后,各行各业开始对卷积神经网络展开如火如荼的研究。世界各地的农业研究者也开始把目光聚焦到卷积神经网络上。虽然农业与卷积神经网络相结合的研究成果如雨后春笋,但是草莓产业与卷积神经网络相结合的研究却寥寥无几。鉴于卷积神经网络在计算机视觉领域举世瞩目的成就以及草莓叶片的白粉病识别与病斑定位对草莓产业的重大意义,故而本研究以草莓叶片的白粉病识别与病斑定位为研究目的,以草莓叶片图像为研究对象,以卷积神经网络为研究方法展开研究。本研究的主要工作与成果如下:(1)在沈阳农业大学草莓科研基地采集10000张草莓健康叶片图像与8000张草莓患白粉病叶片图像以建立草莓叶片数据集。健康叶片图像与患白粉病叶片图像均是在草莓大棚里自然光照下采集而得。(2)考虑到草莓叶片数据集样本量少并且患白粉病叶片的特征不容易学习,因此对病害识别模型使用迁移学习。比较分析了几种经过Image Net训练的网络模型对患白粉病叶片的特征提取能力。在综合考虑识别正确率与计算速度后,决定采用Dense Net121-No Top作为特征提取器。设计了六种不同结构的分类器,经过试验与比较分析后,发现GAP-Softmax的分类效果最好。最后,提出DA网络模型。经过试验得出DA网络模型对草莓叶片白粉病的识别正确率达到了98.9%。(3)考虑到草莓叶片数据集的样本都没有进行病斑标记,所以只能使用弱监督学习实现病斑定位。在比较分析已有的弱监督学习方法后,决定采用GAIN网络模型。将GAIN网络模型与DA网络模型相结合得到DAG网络模型。DAG网络模型可以同时对病害识别能力与病斑定位能力进行训练。经过试验,验证DAG网络模型可以大致圈定白粉病病斑的区域。(4)开发Android APP与Web网页并且在Ubuntu系统上创建为不同平台客户端提供统一接口的RESTful API,最终实现草莓叶片白粉病诊断系统。