基于环境信息和颜色特征作物叶片病害等级识别算法.docVIP

基于环境信息和颜色特征作物叶片病害等级识别算法 　　摘要：为了根据作物不同病害程度等级采取不同防治方法，实现作物高产和减少环境污染，提出了一种复杂背景下的作物叶片病害等级分类算法。首先，利用阈值分割法对黄瓜病害叶片图像进行病斑分割；其次，计算病斑区域中像素个数与病叶区域中像素个数的比值；最后用作物病害等级分级标准进行比较来确定病害等级类别。利用该方法在2种作物5种常见病害叶片图像数据库上进行了病害等级分类试验，识别精度高达 92.7%。结果表明，该方法对作物病害叶片等级分类是有效可行的。 　　关键词：颜色特征；环境信息；作物叶片；病斑分割；等级分类 　　中图分类号： TP391.41 文献标志码： A 文章编号：1002-1302（2016）07-0428-03 　　我国是一个农业大国，农业在国民经济中占据着重要的地位，对我国的经济高速发展有着极其重要的意义[1]。但农作物的种植过程经常出现各种各样的病虫害，这些都会对农作物产出巨大影响。为了减少病害影响，喷洒农药是病害防治中最快速、最有效的方法，不过在喷洒农药时经常忽视了农作物病害的差异性，即病害的严重度，都采用相同的药剂，不仅造成农药的浪费、农产品药剂残留量较大，而且对环境有严重的危害。为了达到合理地、有效地喷洒农药来减少不同程度农作物病害，核心技术是如何能及时、快速地获得植物叶片病害程度[2-3]。传统的病害检测是农业生产者和植保专家通过以往经验进行肉眼判断，这种方法无论是在试验大棚还是田间调查，不反劳动强度大，并且由于人为主观因素的影响，有很大的不确定性。 　　目前，农作物叶片病害等级的自动识别主要是基于计算机图像处理和模式识别技术，以农作物叶片的颜色特征作为检测、分割、识别的主要研究对象[4]。主要实现方法有：光谱特征分析法、纹理特征分析法、形状特征分析法等。近年来，随着相关领域科技水平的不断提高，病害等级的测试技术正由传统的实验室常规测试向田间直接无损测试方向发展，同时测试水平正由定性或半定量的手工测试向精确定量的智能化方向发展[5]。目前，针对作物病害的智能化无损测试技术已成为国内外研究的热点。其中较成熟的技术方法主要有遥感技术和专家系统。 　　鉴于此，研究一种复杂背景下的农作物叶片病害程度识别系统来对农作物叶片病害等级自动识别分类，利用计算机图像处理技术为农作物叶片病害进行病害等级自动识别提出了一个全新的思路。本研究基于计算机图像处理技术，在养料充足、农作物供水基础之上，实现一种复杂背景下的农作物叶片病害程度等级自动分类系统。 　　1 材料与方法 　　1.1 病害叶片图像的获取 　　本研究所使用的病害样本图像均是在陕西杨凌农业示范区科学园中自然光照的非强光条件下利用佳能A640相机采集得到的作物病害叶片图像，主要采集玉米和黄瓜2种作物的多种病害图像，其中玉米选取最常见的锈病、褐斑病、弯孢菌叶斑病、小斑病和大斑病5类病害，黄瓜主要选取最常见的细菌性角斑病、黄瓜炭疽病、黄瓜霜霉病、白粉病和白粉虱病5类病害。作物病害叶片分片从不同病害等级程度分别采集，对每种病害的叶片采取每天拍摄1次叶片图像，分别记录下采集时间、温度、湿度等环境信息。拍摄病害叶片图像方式一致，保证每张病害叶片图像都是在同一条件下采集的。主要针对于玉米和黄瓜2种作物的5种病害叶片在不同时期分别采集图像各150幅，每种病害30幅，每种病害程度（分为轻微程度、中等程度和严重程度3种等级）各10幅图像。 　　1.2 病害叶片图像的预处理 　　图像分割是指把图像分割成各具特性的区域并提取出感兴趣目标的技术和过程[6]。目前，图像分割算法较多，典型算法有阈值法、区域分割法、边缘检测分割法等，但所有的图像分割算法都是利用图像中像素点的相似性和不连续性，如区域分割法是通过计算区域性灰度相似性来实现；边缘检测分割法是计算图像中各区域间的灰度不连续性来实现[7-8]。本研究主要采用阈值法进行图像分割，该方法采用区域分割技术，利用图像中病斑图像和叶片背景在灰度上的差异性来实现，通过选择有效阈值T，然后将图像中的每个像素点的特征值与阈值T进行比较，来判断该像素点是属于目标区域还是背景区域，以此来产生二值图像。 　　用阈值分割法来进行病斑分离，那么阈值的选取就至关重要[9]。本算法中阈值是根据作物病害叶片的直方图来确定的[10]。根据试验结果统计分析可以看出，叶片图像的灰度级直方图中包含3个峰值和2个谷值，因此，可以取低谷处的灰度值作为阈值就可以分割出病叶及病斑，利用此算法就可以将阈值化后的图像变成二值化图像[11]。 　　当阈值取T1T时，可以分离出病叶；当阈值取T2T时，可以分离出病斑。由此可见，采用阈值分割法可以有效地分离病叶及病斑，便于后续的病害分级处理。 　　1.3 复杂背景下的作物病害