基于機(jī)器視覺(jué)的番茄臍腐病的識(shí)別.pdf

1、在我們?nèi)粘Ｉ钪?，農(nóng)作物占著很重要的位置，番茄是日常生活中必不可少的農(nóng)作物。近年來(lái)，因?yàn)閷?duì)生長(zhǎng)環(huán)境要求高以及種植和管理手段比較傳統(tǒng)等因素的影響，番茄臍腐病發(fā)病率高并且識(shí)別困難。因此，實(shí)現(xiàn)番茄臍腐病的自動(dòng)識(shí)別具有重要的實(shí)際意義。
　　傳統(tǒng)的番茄臍腐病的預(yù)測(cè)方法主要是靠人工來(lái)判斷，這種方法主要根據(jù)人工經(jīng)驗(yàn)來(lái)主觀的判斷，導(dǎo)致在檢測(cè)的準(zhǔn)確度上有明顯的偏差。為了給專家提供更可靠、科學(xué)的數(shù)據(jù)，在番茄臍腐病識(shí)別當(dāng)中，是根據(jù)圖像處理技術(shù)結(jié)合番茄臍

2、腐病病斑圖像的顏色特征、形狀特征等結(jié)合模式識(shí)別等相關(guān)技術(shù)，并設(shè)計(jì)分類器對(duì)病癥圖片進(jìn)行識(shí)別。
　　本文的主要工作如下:
　　(1)圖像的預(yù)處理:在對(duì)圖像進(jìn)行分割之前要對(duì)圖像進(jìn)行預(yù)處理，首先對(duì)采集的病斑圖像進(jìn)行中值濾波，對(duì)于采集的圖像中的噪聲可以有效去除，在去噪的同時(shí)還可以保持圖像的邊緣信息。
　　(2)圖像分割:要實(shí)現(xiàn)病斑的識(shí)別，圖像的分割是整個(gè)系統(tǒng)中的重要組成部分，對(duì)閾值分割，區(qū)域生長(zhǎng)，邊緣檢測(cè)，OTSU分割以及改進(jìn)的

3、OTSU算法分別對(duì)病斑圖像進(jìn)行分割的方法進(jìn)行了研究。
　　(3)改進(jìn)的OTSU分割算法:將番茄臍腐病圖像由RGB色彩空間轉(zhuǎn)換到LUV色彩空間，在對(duì)LUV色彩空間下的圖像進(jìn)行灰度化變換，得到由LUV彩色空間轉(zhuǎn)換來(lái)的病斑灰度圖像，再進(jìn)行最大類間方差法的閾值分割，番茄病斑和非病斑得到較好的分割。同時(shí)和OTSU算法進(jìn)行比較，改進(jìn)后的算法幾乎沒(méi)有誤分，效果理想。
　　(4)圖像的特征提取:采用的是形狀特征提取和顏色特征的提取，通過(guò)分割

4、的輪廓邊緣來(lái)提取形狀特征信息。顏色特征是通過(guò)提取了輪廓邊緣的RGB，LUV分量顏色特征信息，實(shí)現(xiàn)了對(duì)番茄臍腐病的病斑信息提取。
　　(5)建立貝葉斯分類器:根據(jù)提取的顏色特征和形狀特征屬性，對(duì)每個(gè)圖像的每個(gè)特征屬性進(jìn)行歸類，然后對(duì)其進(jìn)行分類，由50個(gè)圖像的特征屬性組成樣本集，人工計(jì)算每個(gè)類別在訓(xùn)練樣本中出現(xiàn)的頻率，然后得出大的條件概率估計(jì)就是所屬的類別，建立分類器，輸入的是分類器和待分類項(xiàng)，輸出是待分類項(xiàng)與類別的映射關(guān)系，從而實(shí)現(xiàn)