基于計算機視覺技術(shù)的黃瓜葉部病害自動診斷研究.pdf

1、植物病害一直是制約著黃瓜生產(chǎn)的主要因子之一，采用傳統(tǒng)的診斷方法，時間較長，往往錯過防治時期。計算機病害診斷、預(yù)測系統(tǒng)在一定程度上發(fā)揮著良好的指導(dǎo)作用，但未實現(xiàn)智能化，沒有完全擺脫對人的嚴(yán)重依賴。本文以計算機視覺技術(shù)為手段，綜合運用數(shù)字圖像處理、模式識別及人工智能等技術(shù)，實現(xiàn)了黃瓜主要葉部病害的特征提取和自動診斷技術(shù)，取得一定的階段性進展： 1.建立了計算機視覺采集系統(tǒng)和黃瓜葉部病害數(shù)字圖像數(shù)據(jù)庫。搭建的適合于室內(nèi)操作的計算機視覺

2、采集系統(tǒng)主要由樣品臺、光源、照明結(jié)構(gòu)、面陣CCD相機和數(shù)據(jù)采集、處理以及系統(tǒng)自動控制所必需的計算機等組成。通過接種方法的探討比較、黃瓜主要葉面病害的癥狀觀察，明確了黃瓜葉部10種病害的接種方法、接種濃度和顯癥時間。對北京昌平、河北廊坊、山東壽光等地的設(shè)施黃瓜產(chǎn)區(qū)進行了廣泛的調(diào)查，采集到不同生態(tài)環(huán)境下黃瓜不同品種、不同時期的黃瓜白粉病(Erysiphe cichoracearum)、霜霉病(Pseudoperonospora cubens

3、is)、褐斑病(Corynesporacassiicola)、炭疽病(Colletortichum orbiculare)、黑星病(Cladosporium cucumerinum)等多種主要葉部病害的初期、中期、后期新鮮標(biāo)樣，構(gòu)建了黃瓜主要葉部病害數(shù)字圖像庫，每種病害圖片300張。 2.確定了適合于計算機視覺系統(tǒng)下黃瓜葉部病害圖像的預(yù)處理程序和分割算法，為實現(xiàn)黃瓜葉部病害的自動識別分類奠定了基礎(chǔ)。應(yīng)用數(shù)字圖像處理技術(shù)，對數(shù)據(jù)庫

4、中的圖像進行特征提取試驗。運用改進了圖像處理方法，根據(jù)采集到的黃瓜葉部病害圖像的特點，采用圖像的灰度轉(zhuǎn)換、圖像增強、去噪、形態(tài)學(xué)處理方法和圖像分割及特征提取等圖像處理方法對圖像進行了處理，確定了適合于本采集系統(tǒng)下黃瓜葉部病害圖像的預(yù)處理程序和分割算法。 3.針對黃瓜葉部病害病斑區(qū)域的表面顏色、紋理、形狀自身的特點，構(gòu)造了合適的描述特征參數(shù)，并對參數(shù)在黃瓜葉部病害病斑區(qū)域間的分布做了定量分析。在RGB和HIS兩個顏色模型下，利用圖

5、像的顏色統(tǒng)計特征采用逐步判別分析，選取顯著性較大的特征參量，建立起黃瓜炭疽病、黃瓜褐斑病和無病區(qū)域的分類器模型。結(jié)果表明，對黃瓜炭疽病、褐斑病和無病區(qū)域的正確回判率分別達到95％，95.24％和100％；測試集中，黃瓜炭疽病、褐斑病和無病區(qū)域的正確識別率分別達到89.5％，85.24％和100％。在不同黃瓜葉部病害病斑區(qū)域表面中對比度、熵值和形狀復(fù)雜性特征值差異明顯，能量、熵值、形狀復(fù)雜性特征值和形狀參數(shù)特征可作為病害嚴(yán)重程度的量化指標(biāo)

6、，而能量、熵、慣性矩可作為有無病斑的判據(jù)。 4.將PCA算法與BP神經(jīng)網(wǎng)絡(luò)方法結(jié)合用于圖像識別，開發(fā)制作了黃瓜葉部病害識別軟件試驗系統(tǒng)。仿真診斷表明經(jīng)過PCA分析后的網(wǎng)絡(luò)結(jié)構(gòu)簡單，訓(xùn)練次數(shù)減小了369次，識別率上升了5.67％，對參加建模的5種黃瓜病斑圖像樣本進行回判和預(yù)測平均正確率分別為93.67％和74.67％。集成各算法，開發(fā)制作了黃瓜葉部病害識別軟件試驗系統(tǒng)，描述了該軟件試驗系統(tǒng)的功能需求，并對軟件操作進行了說明，試驗系