黄瓜病害图像自动识别的研究
蔬菜作为我国农作物中的重要经济作物，在我国农业生产中占有较大的比例。河北省是全国蔬菜生产和调出大省，河北蔬菜在北京八大农产品批发市场中占三分之一，在京津夏季市场中占三分之二。其中黄瓜占总栽培面积的56.50％，占总产量的56.54％，但黄瓜常年因病害造成的产量损失高达20％-30％。目前，大多数菜农靠视觉观察诊断病害，经常造成误诊。因此，准确快速地识别黄瓜病害，及时采取有效的措施是黄瓜病害防治的关键技术。本文采用数字图像处理技术研究了黄瓜病害的图像，实现病害了的自动识别，弥补了专家教授不足不能一一到现场指导的缺陷。
本文对作为“农业部蔬菜工作联系点”的定州市蔬菜基地黄瓜产区进行了广泛的调查，以识别黄瓜常见病害为目的，以计算机图像处理技术为主要技术手段，综合运用数字图像、生物特征、模式识别及人工智能等方面的技术，研究了黄瓜病害图像自动识别的方法。主要工作如下:
(1)采集技术研究。为了提高黄瓜病害自动识别的准确性，避免由于光线过强或过弱引起的图像失真，对黄瓜病害图像的采集技术进行了研究。根据专家的建议，利用便携式图像采集装置，在晴好天气的早上4:00-6:00之间采集了十种常见黄瓜病害叶部图像3000幅。
(2)病害图像的预处理方法研究。通过比较各种图像的预处理方法，选择运用直方图均衡化技术和快速中值滤波法对图像进行图像增强处理，改善了图像的动态范围及对比度，突出了图像的细节，为图像分割奠定了基础。然后采用Otsu阈值分割法、边缘算子检测的方法对病害图像进行分割。最后利用形态学运算，对分割后的图像中的空洞和毛刺处理，使目标图像更具体。
(3)特征提取和选择研究。根据不同黄瓜病害叶片的颜色、纹理、形状的不同的特点，对处理后的病害图像分别提取了颜色特征、纹理特征和形状特征，共提取了15个特征，并对各特征参数做了定性分析，最终选择了H均值、R均值、G均值、S能量、对比度、熵值、形状复杂性均值、圆形性均值8个特征参数，将特征组合成特征向量来代表原图像的全部知识。
(4)病害识别研究。根据选取的特征参数，构建BP神经网络分类器，选取2000幅图像作为训练样本，1000幅图像用于识别，平均识别正确率达93.8％。并与有经验的菜农识别结果进行比较，结果表明，绝大多数病害的识别准确率高于菜农识别的准确率。
试验结果表明，改进的快速中值滤波算法大大提高了黄瓜病害自动识别的速度;选择的H均值、R均值等8个病害图像特征参数作为黄瓜病害图像识别的特征向量具有可行性。为进一步开发具有商业价值的植物病害自动诊断系统提供了理论基础和科学依据。
黄瓜病害;自动识别;数字图像处理;特征提取;Otsu阈值分割法;中值滤波算法
河北农业大学
硕士
计算机应用技术
韩宪忠
2013
中文
S126;S436.421.1
64
2013-12-31（万方平台首次上网日期，不代表论文的发表时间）