基于图像识别的黄瓜病害诊断研究.pdfVIP

基于图像识别的黄瓜病害诊断研究 张伟，李淼，袁媛，万莉，耿英 (中国科学院合肥智能机械研究所，合肥230031) 摘要：本文利用计算机图像处理和模式识别技术。开发了黄瓜病害诊断系统。该系统利用图像裁剪、 图像增强和图像分割等图像处理技术对黄瓜病害图像进行了预处理，进而提取病斑的颜色、纹理和形 状特征，将这些特征进行选择和优化之后利用SVM方法进行模型训练，得到黄瓜病害诊断模型，最后 利用SVM方法实现黄瓜霜霉病、褐斑病、角斑病的快速识别。 关键字：黄瓜病害；图像处理；预处理；特征提取；模式识别 1引言 随着计算机图像处理以及人工智能技术的发展，人们开始研究用计算机代替人来进行农作物的 病虫害诊断，如安冈善文…等对作物叶片受有害气体污染后的红外图像进行了研究，提出可通过病叶 来诊断植物病害；YuatakaSasaki”’等研究了黄瓜炭疽病的自动诊断技术；MohammadSammany”。1等 利用遗传算法优化神经网络的结构和参数来识别植物病害图像；同时把支持向量机和神经网络应用 于识别植物病害：沈阳农业大学的田有文”1等根据玉米、黄瓜病害的彩色纹理图像提出将支持向量机 和色度矩分析方法应用于病害斑块的识别；江苏大学的毛罕平”。等针对番茄缺素叶片的颜色、纹理进 行特征提取．开展了植物缺素叶片图像处理技术研究；中国农业科学院的王克如等”。实现了作物病害 的远程图像识别与诊断，能较好的识别玉米6种叶部病害图像。 目前的研究大部分都是针对具有单一背景的病虫害叶片进行分析，而实际采集到的病虫害图片 都具有复杂背景，另外，当样本数较少时如何选择合适的方法解决小样本问题，使用较少的样本获 得较为准确的模型也是需要进一步考虑的问题。本研究以计算机图像处理和人工智能技术为技术手 段，综合运用图像处理、植物病理学、色度学、模式识别等方面的知识建立黄瓜病害诊断系统，一 是针对具有复杂背景的病害图片采用任意形状的封闭区域裁剪方法提取病害叶片，在剔除复杂背景 的情况下提取病斑图像；二是采用SVM分类器对病斑特征进行模型训练。解决小样本、非线性的黄 瓜病害分类问题，鼹终利用SW方法实现黄瓜霜霉病、褐斑病和角斑病的快速识别，提高了病害诊 断的准确性和智能性。 2图像预处理技术 图像预处理是相对于特征提取、图像识别而言的一种前期处理。由于图像中含有噪声、图像中 希望得到的目标并不清晰，图像中有其它物体的干扰等原因，输入的图像往往不能令人满意，而预 处理的实质就是指按实际情况对图像进行适当的变换从而突出某些有用的信息，去除或削弱无用的 信息。针对不同的图像应用，应该选择不同的预处理方法，本文的预处理主要包括图像裁剪、图像 增强和图像分割三个环节。 2．1图像裁剪 将目标区域从背景区域中分离出来，我们常用的方法是闽值分割法，但当目标与背景的某些区 域灰度值相近或相同时，这种方法很难将二者准确地分离。而我们实际采集到的病害叶片图片大都 是具有复杂背景的，无法用闽值分割法来去除背景。而当今流行的主动轮廓算法对彩色图像的分割 效果较差，所以对于复杂背景中目标的提取仍然是图像分割领域国际上的一个难题。 图像裁剪技术，在图像处理领域虽有涉及．但都是完成了对规则区域的裁剪，如矩形区域裁剪、 圆形区域裁剪。但我们采集的图像中目标区域并不是规则区域，所以用规则区域图像裁剪方法很难 将目标区域提取出来。另外，对于封闭区域的裁剪技术，图片编辑软件PhotoShop中虽有此功能， 收稿日期：2009-6．24 基金项目：国家科技部农业科技成果转化项目(2008G ustceduc／i 作者简介：张伟(1984--)t男，硕十研究生，研究方向为计算机图像处理与人工智能，E-mail：zwj蛳@mail 李淼(1955--)，女，研究员，研究方向为人工智能与农业知识工程，博士生导师。 ．20I． 但是PhotoShop只是一种封闭型的应用软件，缺乏在应用软件编程中的灵活性。 因此，本文我们以VC作为开发工具，实现了对图像中任意形状边界的封闭区域的裁剪．做到了 图像中目标区域与背景区域的成功分离。 图像裁剪的工作原理图如图2i： 具体实现步骤如下： (1)将原始图像进行