基于图像处理甘蓝虫害识别研究.docVIP

基于图像处理甘蓝虫害识别研究 　　摘要：病虫害是农作物减产的主要原因，目前我国主要通过喷洒农药来处理病虫害。但是农药的大量施用会给环境带来严重的污染，也会影响食物的安全性。精准施药是解决农药大量施用的有效办法，但首先需要对病虫害的位置与种类作出准确的判断然后再控制农药喷洒。首先，对田间采集回来的虫害图片进行预处理，然后对虫害的特征进行提取，最后通过模糊识别来识别虫害的种类。结果表明，通过形状特征对甘蓝的3种常见害虫识别准确率均高于80%，害虫的形态、阳光照射产生的阴影对识别准确度有严重的影响。 　　关键词：图像处理；甘蓝虫害；特征提取；模糊识别；甘蓝夜蛾；菜青虫；二十八星瓢虫 　　中图分类号： TP391.41文献标志码： A文章编号：1002-1302（2017）23-0235-04 　　精准施药的前提是对虫害的识别与定位[2]，通过数字图像处理技术可以完成这一任务。数字图像处理作为一门学科大约形成于20世纪60年代初期，是指用计算机及其相关技术对图像施加某种运算和处理，从而达到某种预想目的的过程[3]。近年来，随着数字图像处理的迅速发展，计算机视觉的应用日益广泛，模式识别技术日趋成熟，对农作物病虫草害图像进行处理，提取特征参数，可以达到智能识别的目的[4]。 　　本研究通过对虫害图像预处理，提取虫害的形状特征，使用模糊识别来区分虫害种类，以期有效地识别甘蓝部分种类虫害，为智能化喷雾与精准施药的研究奠定基础。 　　1材料与方法 　　1.1试验材料 　　使用京丰一号绿甘蓝种子，在内蒙古农业大学试验田内于2015年5月末播种。当甘蓝结球以后，在室外自然环境下，选择不同晴天的11：00去田间获取不同的虫害照片。在图像采集时，相机（佳能EOS 700D）与目标害虫的垂直距离固定为20 cm，为后续特征的提取统一标准，如果相机高度发生变化，其拍摄的有效区域也会发生变化，相同的像素条件下图像所得到的害虫特征值也会有较大的变化，从而影响识别的准确度。当害虫处于甘蓝边缘或者甘蓝叶缝中时，通过手动来使害虫处于完好的叶片表面。选取甘蓝夜蛾、菜青虫、二十八星瓢虫等3种虫害的照片各30张，其中20张为样本特征提取组，其余10张为测试组。优先选取光照产生的阴影较小、背景比较简单整洁的图片待用。 　　1.2试验方法 　　1.2.1图像灰度化由于采集的原始图像数据较大，含有大量的无用信息，为了降低图像分割的难度，可以首先从原始图像中截取含有特征信息的部分图像区域。首先，对要进行分析的图片进行标定，将采集到的图像统一裁剪为1 500×1 500 像素的图像，将目标保留在图像的中部待处理。为了提取分类需要的信息，去除不需要部分的干扰，需要对彩色图像进行灰度化处理，灰度化处理的好处是缩短计算时间。本研究使用Matlab r2012a软件对3种虫害的图像进行处理与识别，图像灰度化后分别如图1、图2、图3所示。 　　1.2.2平滑去噪由于图像采集设备的特性及外界环境的干扰会使图像产生一定的噪声，降低图片的质量[5]。合理地消除噪声可以提高后续的阈值分割、边缘提取等步骤的准确度。去除噪声的方式有均值滤波、高斯滤波、极值滤波和中值滤波。因为经过中值滤波后的图像目标边缘不会变模糊，而在后续的特征提取时需要准确的目标边缘，所以，采用中值滤波去除噪声干扰相对于其他滤波方式较好地保护了图像的原始特征。3种虫害图像的中值滤波结果分别如图4、图5、图6所示。 　　1.2.3病虫图像的分割图像分割可以理解为将图像中有意义的特征区域或者需要应用的特征区域提取出来。阈值分割是一种简单有效的图像分割方法，阈值分割又叫做图像二值化[6-7]，主要的目标就是区别病虫图像中的目标物体与背景[8]。本研究中将图像中的病虫作为目标物体，非病虫部分作为背景。灰度值大于或等于阈值的像素点，灰度值统一为255，即白色，否则这些像素点将统一为0，即黑色。阈值分割有双峰法、迭代法、大津法（OTSU法），经过测试发现大津法选出来的阈值比较理想，在各种情况均表现良好，分割质量有一定的保障。3种虫害的图像经阈值分割后分别如图7、图8、图9所示。 　　1.2.4形态学图像的处理由阈值分割后的图像（图7至图9）可以看出，经过阈值分割后，提取了虫害图像的有用信息，去除了无效的背景信息。但是从图像上可以看出目标仍然存在孔洞和触角，背景上存在噪声干扰，这些均会对特征提取产生较大的影响。二值图像的基本形态学运算包括腐蚀、膨胀，以及开运算、闭运算。腐蚀可以消掉物体边缘，使图像向内部收缩，进而消除小的噪声点。而膨胀与腐蚀相反，膨胀使物体边缘向外扩张，可以消除目标内部孔洞。但是膨胀与腐蚀均会改变目标的面积使识别的准确性降低。开运算是先腐蚀后膨胀的过程，其主要作用与腐蚀相似，与腐蚀操作相比，具有可以基本保