【毕业学位论文】（Word原稿）基于神经网络的水稻三化螟识别系统的设计与实现管理科学与工程硕士论文

密级： 论文编号： 中国农业科学院 硕士学位论文 基于神经网络的水稻三化螟识别系统的设计与实现 of on he of on I 摘 要 本研究以数字图像处理技术和神经网络等现代信息技术为研究方法，以在水稻病虫害防治中常见的水稻三化螟害虫为研究识别的对象，系统研究了关于识别水稻三化螟害虫的神经网络理论，给出了一种基于图像处理和人工神经网络技术进行 水稻三化螟识别的方法，即利用数字图像处理技术提取特征，利用 +开发的神经网络包进行识别，初步建立起基于神经网络的水稻三化螟害虫识别系统，并给出了系统的总体设计和实现方案。 本文的主要研究内容及成果如下： （ 1）水稻三化螟害虫图像预处理，本文着重在图像剪裁、色彩变换、图像分割等方面进行了研究，由于利用机器视觉较难区分水稻害虫与周围环境，所以用人工干预的方法进行图像剪裁；利用相应的色彩变换最大限度地去除颜色的干扰信息，突出害虫本身。在前期图像预处理后，选用阀值法进行图像分割，由系统自动计算出推荐 阀值，用户自主修改，以得到效果最好的二值图像，以利于特征的提取。 （ 2）水稻三化螟害虫的特征提取，本文根据实际情况和水稻植保专家的建议提取了水稻三化螟害虫的几何与颜色学两大类特征。几何特征包括害虫的面积和周长；颜色学特征包括水稻三化螟身体上的红色区域面积、绿色区域面积和黄色区域面积。 （ 3）水稻三化螟害虫的神经网络识别，考虑到与传统统计模式识别方法相比，利用人工神经网络方法进行模式识别具有自适应性、并行性、鲁棒性以及分类能力强等优势，因此，本文选用三层 经网络的方法自动识别水稻三化螟害虫。试验结果表明： 利用 经网络来识别三化螟害虫是有效的，结果比较令人满意。 关键词： 图像处理，神经网络，害虫识别 n is in as is on of of is of of + of In an (1) of in so As it to by is by by we by by In be of (2) of to in by of of (3) of by to as P is to is 录 第一章 绪论 . 1 究目的及意义 . 1 文的主要工作 . 2 第二章 神经网络理论 . 4 经网络的发展历史 . 4 起阶段 . 4 展阶段 . 5 兴阶段 . 5 工神经网络技术的现状 . 6 工神经网络的基本理论及主要模型 . 6 经网络的概念 . 6 经网络的基本原理 . 7 工神经网络的模型 . 8 工神经网络技术的应用 . 9 型的神经网络的应用 . 9 经网络在智 能诊断领域的应用现状 . 10 经网络在农业病虫害识别、诊断领域的应用现状 . 11 第三章 数字图像处理理论 . 13 字图像处理的发展及应用 . 13 字图像处理的基本理论 . 15 像处理的概念 . 15 像处理 的特点 . 15 字图像处理的内容 . 16 字图像处理的基本步骤和系统部件 . 17 像处理的基本步 骤 . 17 像处理系统的部件 . 19 第四章 特征提取和选择 . 21 征提取和选择的要求 . 21 像色彩特征的提取 . 22 像颜色系统的分析 . 22 字图像的结构 . 26 颜色特征的提取 . 27 像形态学特征的提取 . 28 态学特征提取的准备 . 29 态学特征的提取 . 34 结 . 35 第五章 神经网络分类器的设计 . 36 P 算法的研究 . 36 P 算法的概念和基本理论 . 36 P 算法的学习过程 . 37 P 算法在智能诊断领域的应用 . 38 P 算法的不足及改进 . 39 别系统分类器的设计 . 40 经网络分类器的设计原则和方法 . 41 件设计中考虑的几个问题 . 43 果与总结 . 44 类器实验过程与结果 . 44 结 . 45 第六章 水稻三化螟识别系统的设计与实现 . 47 统结构和运行环境 . 47 统功能和运行示例 . 49 统功能 . 49 统操作实例 . 51 结 . 55 第七章 结论与展望 . 56 文所做的工作 . 56 统特点与结论 . 56 后要做的工作 . 57 参考文献 . 59 致谢 . 64 作者简历 . 65 V 英文缩略表 英文缩写 英文全称 中文名称 经网络 R 色 G 色 Y 色 A 积 P 长 中国农业科学院硕士学位论文 第一章 绪论 1 第一章 绪论 究目的及意义 我国是农业大国，搞好农业生产是关系到国家长治久安的大事。水稻作为主要的粮食作物之一，在我国的农业生产中占有举足轻重的地位：据统计， 1996 年 水稻种植面积约 全国谷物种植面积的 34，世界水稻种植面积的 稻谷总产 吨 ，占全国粮食总产的 43，世界稻谷总产的 居世界第 1 位；稻谷平均单产 /我国粮食作物中单产最高的作物， 由此可见，水稻生产 的好坏直接关系到我国农业的粮食的产量，因此探讨如何使水稻高产、稳产具有重要的意义。但是，由于品种、栽培制度、生态环境等变化及作物生长环境日趋恶化，水稻病虫的危害有不断加重的趋势。有关资料显示，仅上海地区，自 1999年以来，水稻病虫害的危害程度呈明显的上升趋势。其中，稻纵卷叶螟在 2003 年、 2004 年连续大暴发，自然白叶率达到 50%以上，产量损失达 30%。自 2001 年起，上海市植保部门虽然加大了病虫监测力度，调整了防治策略，开展了对水稻主要病虫防治技术的研究工作，解决了很多生产上的难题，但当年损失粮食仍高达 10000 吨 1。因此，有效地防治水稻害虫是一项艰巨而迫切的任务。 在这种严峻的形式下，我国目前的防治水稻病虫的方法是使用各种农药，如 世纪乐 、 闪击螟等，杀死害虫，割断害虫的传播途径，从而有效地减少由病虫害所造成的损失。据统计，如果不用农药，水稻等粮食作物有一半左右将被各种病、虫、草害所吞噬。目前，全世界农药产量已达1000 万吨以上，并且以每年 5的速度增长，农药品种已达到了一千三百多种。我国目前农药进口量和年生产量达 100 万吨以上，使用农药产品品种也有二百多种，但仍因病、虫、草害引起的减产约 15，损失相当 大。且因过多使用农药等产品造成的环境污染，极大的威胁到我国的粮食安全。目前，盲目大量使用农药的现象十分严重，由此造成的污染土壤、污染农产品、污染水体的事件非常普遍。目前，在我国土壤中农药残留量非常惊人。如有关人员统计，我国目前农业用地由于滥用农药而遭受的污染的面积已达 1300 多万公顷，由此所造成的出口农产品因农药残留超标而遭国外拒收、扣留、退货、索赔、撤销合同等问题时有发生，这样既在经济上造成了极大地损失，而且又影响到了我国的国际声誉 107。 造成这种问题的的原因主要有以下几点： （ 1）我国从事农业生产 人员科技、文化水平偏低，无法掌握比较高的病虫害防治知识，加上各种农作物病虫害症状千差万别，早期症状又不明显，不能准确的识别和掌握病虫害的发生和发展过程，错过了最佳防治时期，在病虫害发生非常严重时才开始防治，这样不但造成作物的损失，引起减产，而且还严重污染了环境。更有甚者，部分农户为了保证不受病虫害侵染而造成损失，从作物的幼苗期到成熟期，无论是否有病虫害，不分轻重，都一概喷洒“放心”农药，致使农产品农药残留超标 107。 （ 2）作为拥有农作物病虫害知识的植保专家和植保科研机构，一般都在大城市中，距离农业中国农业科学院硕士学位论文 第一章 绪论 2 生产 地区比较远，这样一来，他们既无时间也无精力经常下到田间地头去为广大农户诊断作物病虫害，以及培训有关人员，使其学会有关病虫害的知识。同时受一定社会经济条件的限制，广大农村不可能编制太多植保科技人员，所以远远不能满足我国农村广大农户对植保技术的需求 107。 （ 3）目前计算机已经进入广大农村，利用计算机技术对广大农民进行各种咨询服务已经不是一件很困难的事了，对各种农作物病虫害进行诊断的专家系统的出现，又进一步促进了农业植保知识进入千家万户，这样对指导农民科学种田起了积极的促进作用。但是这些专家系统在实际上的操 作中还存在着一些问题，主要表现在： 一般的农作物病虫害诊断的专家系统都需要用户把病虫害的发生原因与危害程度，以及病虫害的各种表现的最为原始的数据录入系统，广大农户在使用时往往依据看到的症状估计病虫害的原因和受害程度，但由于农户个体素质的差异，以及一些主观因素的影响，或者不能提供，或者提供的数据不准确，这样使这些专家系统不能结合作物的实际受害情况，做出定量、正确的分析与判断。这也是这些专家系统不能广泛使用或使用不完全的原因之一。 由于作物病虫害症状的复杂性、模糊性，加之植保专家对病虫害症状的文字描述也带有模糊 性，不能精确、定量地对症状进行描述，因此形成了作物病虫害的诊断标准的模糊性，从而影响农民依据专家系统对作物病虫害做出正确的判断。 已见报道的病虫害诊断的专家系统多是针对经济价值较高的果蔬类产品而设计的，所涉及的病虫害范围太小，不能满足广大农户在实际生产中的需要 107。 因此，开发设计出一套行之有效的、能够让广大农户方便使用的病虫害诊断系统则变得非常必要。事实上，对病虫害综合防治的前提是准确地识别害虫。只有准确的识别，才能做到有目的的防治，把害虫种群控制在经济损害水平以下，既不会因害虫造成损失，也不会因盲 目防治造成浪费、加重对粮食和环境的污染。而现阶段我国最广泛使用的依靠黑光灯引诱捕获，人工计数、识别的方法，存在着准确率低，识别效果不好，对专家依赖性大等弊端，极大地降低了测报的准确性和时效性 2。因此，能否找到一种实时的、高效的识别害虫的方法，是我们每个农业科技工作者所肩负的重要使命之一。 随着计算机科技和人工神经网络技术的飞速发展，利用人工神经网络和数字图像处理技术进行模式识别在实际应用中取得了良好的效果。因此，借助此方法为农业生产中的病虫害识别开创了一条全新的途径。本文的研究正是探索利用人工神经网络技 术和数字图像处理方法来进行水稻害虫的识别，为了降低难度，本文仅对一种主要的水稻害虫 水稻三化螟进行识别研究，由此积累有益的经验，为将来开发可以识别更多种类的害虫的识别系统打下基础。 文的主要工作 模式识别的成功与否，在于识别对象的特征提取。因此本文将研究重点放在利用各种信息技术，进行图像处理和水稻三化螟的特征提取上，并在此基础上利用人工神经网络设计出分类器。主要内容介绍如下： 1、人工神经网络的理论，分析了它的历史、发展、现状，国内外相关技术的研究进展，以及技术发展方向。分析比较几类不同的人工神 经网络模型的特点。 中国农业科学院硕士学位论文 第一章 绪论 3 2、数字图像处理的理论，主要介绍了国内外主要数字图像处理技术应用的领域，相关的图像处理技术。根据水稻三化螟的图像的特点，提出适合此类图像处理的方法，改进图像的处理效果，以突出显示害虫各种特征以利于进行特征提取。 3、对水稻三化螟图像颜色特征进行研究，提出水稻三化螟识别的颜色特征选择方案，实现其识别功能，并分析这种方案实现的可能性，研究并给出运用这种方法的效果，总结方案的优、缺点。 4、对水稻三化螟图像的几何特征进行分析，提出水稻三化螟几何特征提取方法，说明其实现步骤，研究几何特征在识别系 统中的主要作用，以及和其他相关特征（颜色特征）相结合的方法。 5、神经网络分类器设计，介绍了 经网络的基本概念和理论，分析了 络和 法对网络进行训练的原理，设计网络的结构，设置参数，并对测试样本进行识别分类。 6、综合所提取的水稻三化螟的颜色、几何等特征，建立水稻三化螟的识别系统，设计 经网络分类器对所得的特征进行识别，进行水稻三化螟图像识别的仿真试验，并进行相应的基于人工神经网络的水稻三化螟识别系统的系统集成。 7、结论与展望，对全文工作进行总结，并对进一步的研究工作进行展望。 本文是国家 863 项目“网络化实时农业远程诊断模型与交互式关键平台技术研究”（ 2002一部分。 中国农业科学院硕士学位论文 第 二章 神经网络理论 4 第二章 神经网络理论 人工神经网络技术是 20 世纪三、四十年代提出，并在 80 年代中后期发展起来的人工智能应用的分支。这项技术 模拟了生物的神经结构，以各种工程和数学的神经元为模型，通过学习获取知识，并且具有一定的自适应与自学习能力。人工神经网络技术目前己被广泛地应用于预测、图像处理和分析、模式识别、语音识别、公路监控等领域。本章阐述了神经网络的基本原理、发展历史以及神经网络方法中的几种比较成熟的模型。 经网络的发展历史 起阶段 人工神经网络的研究可追溯到四十年代信息科学的开创时期。 1943年， 经活动中蕴含着的思想的逻辑运算一文中，综合利用了有限状态自动机、线性阈值单元、各种形式的生物行为与记忆和逻辑表示等一些新的思想，首次系统地讨论了“神经 逻辑网络”。这种网络的基本组成单元（人工神经元）是通过研究生物的神经细胞的行为而抽象出来的。整个网络就是把这些简单的处理单元相互连接起来而构成的 22。 这一时期出现了许多构造具有识别、记忆等功能 的人工神经网络模型。 1949 年， 研究人脑神经元的连接方式时，提出了著名的突触修正律（即 则）。其基本思想是，各种网络以 “细胞团”（一组可以通过学习而对其行为相互支持的神经元）的形式通过对概念建立内部表达而进行学习。这就使人工神经网络的训练和学习成为可能。 到了五十年代，此时学习的概念还没有很好的定义，因为在简单的记忆形式和对新的事情进行预测和推广这一复杂的过程之间并没有明确的区别。许多早期的研究都是基于对以前成功的行为进行“加深印象”这一思想。也许第一个基于加深印象的网络学习系统是 1951 年构造的。该系统由 40 个互连成网的电子单元组成，每一单元都能接收到作用信号并把它传播到其它单元，而且这些单元之间的连接是可调整的。网络通过这样的加深来进行学习，即：对其行为的任一正的或负的调整都转变为对近期有信号传播的连线的权的一个小的变化。五十年代出现了许多应用这种简单的学习形式的系统，而且导致了称为自适应控制这一专门领域的出现。 到五十年代末期，有关人工神经网络的研究几乎停滞了，一部分原因是在很长时间内并没有很多重要的发现，但也部分地因为通过利用基于符号表示的线性处理这一新的模型，人工 智能取得了重大的进展，这种进展表现在通过编程使计算机解决一些相当困难的问题（如下棋）。随之而来的是人们认为基于符号的表示更为合适。同时还导致了两种表达方法前沿概念之间的分界，如并行处理与串行处理、学习与编程等 22。 中国农业科学院硕士学位论文 第 二章 神经网络理论 5 展阶段 随着 1962 年 神经动力学原理一书出版，人们对连结机制的兴趣出现了戏剧性的恢复， 书中定义了称为感知机的一种神经网络，并证明了与之相关的许多定理，其中一个重要的定理说明感知机能够学习做任何能够为其规划的事情。 人们对感知机 作了大量的试验，很快发现虽然感知机确实能够学习做一些事情，但却不能做其他事情。在失败出现时，通常延长训练时间或构造更大的网络都没有作用。为此，在 1969 年， 他们的感知机一书里，深入地分析了为什么感知机所用的这一策略在一些情况下是成功的而在另一些情况下则不然。他们得到的结论是：感知机只能解决所谓低“价”的问题，对于这样的问题，我们有时确实能够通过随机地收集一些样本，然后选取有用的来解决问题。然而，对于高“价”的问题，这样的样本数量太多，因而这种方法就不适用了。要解决这类 高“价”问题必须要引入隐单元。但是，感知机一书没有找到一种学习算法来训练这样的网络。这使得连结机制的研究步入低潮。这表明，只研究学习本身是不够的，而必须理解所要学习的事情的实质，这一思想可以表示为适合于一切学习机的一个原理，即：没有一个机器可以学习识别 X，除非它已有或至少存在一些表示 X 的方案。 到了七十年代，研究知识表达成为这一新领域的热点，知识表达不仅是连接机制中的学习的立足点，而且也是人工智能中的学习的立足点。同时，在其它几个相关的领域，许多研究者把对学习的研究兴趣放在一边而讨论在各个不同的背景和形 式下知识的表达。这些关于知识的分析与表达的思想，反过来，不仅对人工智能有强烈的影响，而且对心理学、脑科学和应用专家系统等许多领域也有影响。事实上今天我们做的许多工作，都是在七十年代进行的知识表达的研究基础上进行的。 与此同时，在六十年代后期与整个七十年代，仍有 人在联想可寻址记忆方面对经典的相关矩阵记忆模型进行了长期的研究。这些研究对于八十年代人工神经网络的复兴有着重要的意义 22。 兴 阶段 八十年代初， 神经网络的理论分析与平衡态统计力学与动力系统稳定性分析方法相结合，在 1982 年提出了具有联想记忆、分类、误差自动校正等智能功能的神经网络模型，这一杰出工作，直接激发起人们对神经网络的研究热情。在这一期间，许多具有奉献和开拓精神的科学家，如 人，他们提出了许多功能较强的非线性多层网以及各种行之有效的学习算法，正是由于他们的不懈努力，使人工神经网络的研究很快走出沉寂。随后， 型加以推广，形成 了 ，这实际上是带有隐节点的适应性络。之后，更多的人投入到这一研究中， 1986 年， 提出了广义 则，为多层感知机找到了一个有效的学习算法，从而把人工神经网络的研究尽一步推向深入 22。 中国农业科学院硕士学位论文 第 二章 神经网络理论 6 工神经网络技术的现状 20 世纪 90 年代中后期，神经网络研究步入了一个新的发展时期，一方面已有理论在不断深化，另一方面，新的理论和方法也从未停止过其不断开拓的步伐。 出的 型在 20 世纪 90 年代初产生了很大的影响，他 建立了一种神经网络系统理论，以 例，其组成包括输入阵列、 络和 络，而这两个网络又包含一些功能不同的子网络等； 1991 年， 协同学引入神经网络，在他的理论框架中认为，认知过程是自发的，并断言模式识别过程也是模式形成过程；后来，中国学者吴佑寿等人提出了一种激励函数可调的神经网络模型，试图对先验知识加以利用。 1994 年，廖晓昕关于细胞神经网络的数学理论与基础的提出，带来了这个领域新的进展 26。这一时期，另一些新的发展方向也非常的引人关注。主要有： 以光学方法来实现神经网络，即光学神经网络。如 1995 年， 人研究了光学神经网络（ 建立了光学二维并行互连与电子学混合的光学神经网络系统 26。 通过神经网络方法来解决非线性系统控制问题。如 1990 年 出了一种推广的动态神经网络系统，即带连接权的学习算法 26。 混沌神经网络理论。在这一领域中的典型代表是 1991 年 在前人推导和实验的基础上，给出了一个混沌神经元模型。 模糊神经网络。这是由 人提出的由 3 种不同类型节点构成的模糊神经网络模型，该网络具有能够对学习样本快速记忆，不需要领域专家知识指导等优点。但在学习样本较多、规则数量较大时应用不理想。模糊神经网络在工业控制、金融时间序列分析、风险评估等方面预计将有较大的应用潜力 26。 我国于 1989 年在北京召开了一个非正式的神经网络的会议； 1990 年 12 月，在北京召开了中国神经网络大会； 1991 年在南京成立了中国神经网络学会，国内十五个团体以及学会共同发起了“携手探智能，联盟攻大关”的 863 高新技术研究计划；自然科学基金、国防科技预研基金也都列入了神经网络 这一研究内容。 工神经网络的基本理论及主要模型 经网络的概念 人工神经网络技术是计算机技术的研究和应用发展到一定阶段的产物，自从上世纪五十年代以来，随着控制论的大发展，人们第一次有机会将神经系统的工作原理与信息理论、控制理论、逻辑推理及计算机联系起来，这对于神经网络的大发展有了极大的影响，使得人工神经网络技术成为目前国际上迅速发展的人工智能的前沿交叉学科。人工神经网络技术模拟了生物的神经结构，以各种工程和数学的神经元为模型，通过学习获取知识，并且具有一定的自适应与自学习能力。长期以来， 人们一直在追求一种能够在更深层次上模仿人脑工作，从而用机器代替部分人脑劳动。中国农业科学院硕士学位论文 第 二章 神经网络理论 7 而人工神经网络技术的发展恰恰为此目标开辟了新途径，从而引起了人们广泛的关注 23。 人工神经网络是采用物理可实现的系统来模仿人脑神经细胞的结构和功能。从人脑的结构来看，人脑神经解剖学研究表明，人脑大约含有 1010 1011 神经细胞，每个神经细胞都是一个活动信息处理单元，故亦称为神经元。它主要是由细胞体、树突、轴突组成。其中树突是神经元的信息输入器，起感受作用，它接受来自其他神经元的信息。轴突在每个神经元中只有一个，用来传递和输出信 息。神经元通过树突、轴突的连接构成纵横交错的生物神经网络，组成了一个结构极其复杂，功能极其完善的系统，实现从感知、认知、语言、记忆、思维到运动控制等功能。 人工神经网络技术就是在对人脑生理研究的基础上，从模拟生物神经元的基本性质出发，建立起了人工神经元的数学模型及结构模型。这种结构模型的特点是，利用大量的计算元（即神经元）结成网络，并实现大规模的并行计算。神经网络的工作机理是：通过学习改变神经元的连接强度，不断地改变神经网络的结构及算法，优化网络性能，最终实现网络的各种应用目标 23。 经网络 的基本原理 人工神经网络是近几年得到迅速发展的国际前沿研究领域，它的发展对于计算机科学、人工智能、认知科学、脑神经科学、数理科学、信息科学、微电子学、自动控制及机器人、系统工程等领域具有重要影响。传统的冯诺伊曼型计算机是以算术和逻辑运算、存储与运算相分离、串行的执行指令为特征的，而神经网络则迥然不同，他以分布式存储和并行协同处理为特征，其组成单位是神经元，也称节点。处理单元用来模拟生物的神经元，但只模拟了其中三个功能：（ 1）对每个信号的输入进行处理，以确定其的强度（权值），这象神经元中突触的可变强度；（ 2）确定所有的输入信号的组合效果（加权和）；（ 3）确定其输出（转移特性） 42。 图 2处理单元的示意图。输入信号来自外部或其他处理单元的输出，分别为： ， 中， n 为输入数目。 连接到节点 j 的权值相应为： 中 示节点 i（或输入 i）到节点 j 的权值或 i 和 j 的节点间连接强度。 以是正也可以是负，分别表示为兴奋型突触或抑制型突触。 处理单元的内部门限为 j ，若用 固定偏置输入表示，其连接强度取0，于是，输入加权和（激励电平 表示为 01 (如果用向量表示则 f 2j x1 x2 ij 1 Sj 2经网络处理单元 中国农业科学院硕士学位论文 第 二章 神经网络理论 8 X=(x0,x1, , ； ,.,.,( 210)ex p (1 1)( (或双曲正切函数 )21(21)( 42 (人工神经元是人工神经网络最基本的组成部分，它是对生物神经元的一种近似，它在模拟生物神经网络时，已具备了生物神经元的一些基本特性，人工神经网络就是利用大量的神经元互连，以及多个连接权值的分布来表示特定概念或知识。在进行知识获取时 ，它只要求输入范例和相应的解，通过特定的学习算法对样本进行学习。经过网络内部的自适应算法不断进行修改权值分布以达到要求，把求解问题所需的知识分布到网络的互连及权值的