基于計算機視覺技術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、預測系統(tǒng)在一定程度上發(fā)揮著良好的指導作用，但未實現(xiàn)智能化，沒有完全擺脫對人的嚴重依賴。本文以計算機視覺技術為手段，綜合運用數(shù)字圖像處理、模式識別及人工智能等技術，實現(xiàn)了黃瓜主要葉部病害的特征提取和自動診斷技術，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、照明結構、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、山東壽光等地的設施黃瓜產(chǎn)區(qū)進行了廣泛的調查，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、后期新鮮標樣，構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。應用數(shù)字圖像處理技術，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，采用圖像的灰度轉換、圖像增強、去噪、形態(tài)學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、熵值和形狀復雜性特征值差異明顯，能量、熵值、形狀復雜性特征值和形狀參數(shù)特征可作為病害嚴重程度的量化指標

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)絡方法結合用于圖像識別，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)絡結構簡單，訓練次數(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