基于光譜與圖像的斑潛蠅蟲害葉片檢測技術(shù)研究.pdf

1、本研究以光譜和圖像處理為基礎(chǔ)，探索了斑潛蠅蟲害葉片的自動檢測方法，設(shè)計出斑潛蠅蟲害葉片檢測的系統(tǒng)軟件，目標(biāo)是達(dá)到較高的斑潛蠅蟲害狀況檢測速度和精度，實現(xiàn)斑潛蠅蟲害的自動化檢測，為蟲害控制提供信息，從而合理地進行蟲害控制。本研究其內(nèi)容和成果簡述如下： 1.針對葉片圖像，在理論分析和試驗基礎(chǔ)上，對圖像顏色檢測、濾波、灰度化、分割、邊緣檢測等問題分別進行了分析，找出了適用于蟲害檢測的圖像處理算法，計算出了斑潛蠅蟲害葉片的破損率，并根據(jù)

2、破壞程度對葉片進行了分級處理。 2.以番茄和黃瓜葉片的反射光譜為研究對象，在理論分析和試驗的基礎(chǔ)上，選出了區(qū)分斑潛蠅蟲害程度的敏感波長，研究驗證了利用植物葉片的光譜特征進行回歸分析、支持向量機分類的方法。研究結(jié)果如下： (1)在綠光波段，可見光反射率與葉片破損率的決定系數(shù)R2＞0.87(番茄)、R2＞0.89(黃瓜)；在542nm和562nm處，葉片破損率與可見光反射率的R2分別為0.87和0.89(番茄)，0.89和0

3、.89(黃瓜)；在710nm時，番茄葉片破損率與可見光譜反射率的R2為0.88；黃瓜葉片破損率與近紅外光反射率的R2＞0.81、番茄葉片與近紅外光反射率的R2＞0.70(在771nm時，R2=0.94)； (2)葉片的干鮮比與近紅外光反射率回歸結(jié)果為：黃瓜(在1450nm)R2=0.79；番茄(在1452nm)R2=0.70；在波段1436-1468nm，不同葉片的干鮮比也與近紅外光譜具有較好的相關(guān)性(黃瓜：R2＞0.76，番茄

4、：R2＞0.70)： (3)支持向量機分類結(jié)果：在使用8個可見光敏感波長(542，554，562，600，636，696，710和744nm)作為輸入向量時，SVM的分類正確率分別為93.8％(多項式核函數(shù))和96.9％(RBF核函數(shù))。與多光譜方法(分類正確率為90％)相比較，SVM的分類正確率更高，更適合用于分類；在使用10個近紅外敏感波長(771，821，891，945，1026，1121，1256，1674，1687和1

5、933nm)作為輸入向量時，基于多項式核函數(shù)的SVM的分類正確率大于90％，基于RBF的分類正確率大于97.4％，并且隨著輸入向量數(shù)量的增加，SVM的分類正確率增加。 3.針對圖像的紋理特征，提出了應(yīng)用分?jǐn)?shù)布朗運動原理來計算葉片的分維數(shù)，用葉片的21個分維數(shù)對葉片破壞程度進行描述。采用閾值分類法進行分類，黃瓜葉片的平均分類正確率為47％，番茄正常葉片為55％，分類效果不理想。以葉片的分形維數(shù)作為輸入向量進行分類試驗，多項式SVM

6、的正確率為79％，RBFSVM的正確率為85％。SVM的分類正確率高于閾值分類法。 4.建立了三層BP神經(jīng)網(wǎng)絡(luò)，對葉片的可見光和近紅外反射光譜以及葉片的分形維數(shù)與葉片破損率進行了預(yù)測，網(wǎng)絡(luò)輸出值與實測葉片破損率的相關(guān)系數(shù)：分形維數(shù)為0.817、可見光譜為0.902、近紅外為0.935。光譜數(shù)據(jù)的BP網(wǎng)絡(luò)輸出精度高于數(shù)理統(tǒng)計模型的擬合精度。 5、設(shè)計了斑潛蠅蟲害葉片檢測系統(tǒng)軟件。該系統(tǒng)具有文件管理、圖像采集、圖像預(yù)處理、圖