基于圖像處理的黃瓜葉子病害識(shí)別系統(tǒng)的研究

劉娜+趙慧+包思圓+張繼超+羊志膺

摘 要：為了進(jìn)一步提高黃瓜葉子的病害檢測與其病害程度分級的速率和準(zhǔn)確性，本文綜合運(yùn)用圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)了黃瓜葉部病害檢測與染病程度的分級，并主要對發(fā)病率高且危害嚴(yán)重的黃瓜霜霉病、白粉病和病毒病進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)最終證明：檢測系統(tǒng)的黃瓜葉部病害平均識(shí)別精度為94.06%，并能夠快速準(zhǔn)確地對黃瓜葉片病害的染病程度進(jìn)行分級。

關(guān)鍵詞：黃瓜病害葉片；圖像處理；特征提取；BP神經(jīng)網(wǎng)絡(luò)

DOI：10.16640/j.cnki.37-1222/t.2018.05.119

1 黃瓜葉子病害識(shí)別系統(tǒng)研究的必要性

在全球范圍內(nèi)，黃瓜的種植面積大，又是人們喜歡食用的蔬菜之一。但是，黃瓜十分容易染病。各種環(huán)境的污染，使得黃瓜的種植遭到極其嚴(yán)重的病害侵蝕，導(dǎo)致黃瓜出現(xiàn)各種各樣的病變癥狀。然而，人們難以對各種病變進(jìn)行明確的診斷并加以治療。結(jié)果不僅阻礙了黃瓜種植技術(shù)的進(jìn)步和發(fā)展，而且會(huì)導(dǎo)致農(nóng)民對各種病變?yōu)E用藥、亂用藥，引發(fā)一系列的污染問題。黃瓜葉子病害識(shí)別系統(tǒng)就是利用科學(xué)技術(shù)的自動(dòng)化和智能化來研究如何識(shí)別、診斷以及治療黃瓜葉片的病害，并且對其病害程度進(jìn)行分類。這個(gè)系統(tǒng)的創(chuàng)建為農(nóng)作物的診斷與治療帶來了福音，不僅能夠?qū)ζ溥M(jìn)行極其準(zhǔn)確地判斷，還可以提供正確的預(yù)防和治療方法；另外，可以減少由于人為主觀判斷的失誤所帶來的損失，降低了種植成本。

2 研究采用的科學(xué)技術(shù)

本次研究采用兩種先進(jìn)的科學(xué)技術(shù)進(jìn)行探索，一種是計(jì)算機(jī)視覺，也稱為機(jī)器視覺，是研究如何用計(jì)算機(jī)來模擬和再現(xiàn)人類視覺功能的科學(xué)，也被稱為圖像理解和圖像分析。另一種是計(jì)算機(jī)圖像分析技術(shù)，此技術(shù)應(yīng)用于植物病害的識(shí)別研究已經(jīng)有幾十年的歷史。隨著相關(guān)技術(shù)的不斷成熟和發(fā)展，在農(nóng)業(yè)各個(gè)領(lǐng)域上，計(jì)算機(jī)圖像處理技術(shù)也得到了廣泛的應(yīng)用，并積極推動(dòng)了農(nóng)業(yè)的發(fā)展。

3 研究的環(huán)境及流程

3.1 系統(tǒng)設(shè)計(jì)環(huán)境

Matlab是一種簡單，高效、功能強(qiáng)大的高級語言，在科學(xué)與工程計(jì)算領(lǐng)域有著廣泛的應(yīng)用前途。由于植物病害數(shù)據(jù)較為龐大，同時(shí)要求數(shù)據(jù)處理速度較快，那么就只能選取一種處理速率較快，存儲(chǔ)空間較大并且功能強(qiáng)大的圖像處理軟件平臺(tái)，Matlab軟件剛好符合所有要求，是許多專業(yè)人士的首選。

3.2 圖像預(yù)處理

因?yàn)椴∽冞^后的黃瓜葉片大小和形狀的改變，還有采集的圖片中的背景與病害癥狀的差別，都會(huì)對圖像處理產(chǎn)生一定程度的影響。研究主要利用圖像灰度化、圖像銳化、圖像平滑等技術(shù)對采集的樣本圖像進(jìn)行一系列的預(yù)處理，從而達(dá)到提高處理速度和識(shí)別病害準(zhǔn)確性的目的。

3.3 圖像灰度化

為了保證圖像信息的完整性，圖像采集裝置一般采用24位真彩色來儲(chǔ)存圖像。可是，由于彩色位圖存儲(chǔ)所占用的空間比較大，致使處理圖像時(shí)的運(yùn)算速度比較緩慢。圖像灰度化可以解決這些問題。

3.4 圖像銳化

圖像銳化處理（image sharpening）是對圖像中的輪廓邊緣以及特征信息進(jìn)行強(qiáng)化，使圖像更加容易分辨或更方便被其他圖像處理軟件識(shí)別和處理，同時(shí)增強(qiáng)灰度在邊緣處的對比度，從而便于分析輪廓等信息。

3.5 圖像平滑

為抑制、消除噪聲和改善圖像質(zhì)量，必須對圖像進(jìn)行平滑處理。圖像平滑技術(shù)是圖像增強(qiáng)的一種方法，主要用于消除噪聲對于圖像的影響。

3.6 圖像分割

圖像分割是指分離出具有特別作用的不同區(qū)域，并且彼此之間存在相對獨(dú)立的特性。圖像分割環(huán)節(jié)對于病害識(shí)別來說至關(guān)重要。

3.7 黃瓜葉片病斑特征的提取

為了使計(jì)算機(jī)能夠“理解”圖像，就要從圖像中提取有用的數(shù)據(jù)或信息，得到能區(qū)別于其他圖像的“非圖像”表述，這一過程就是特征提取，這些“非圖像”的描述就是特征。

3.8 病斑的顏色特征提取

HSV 顏色空間模型符合人類對顏色的視覺感知特性。它根據(jù)色彩的色調(diào)H、飽和度S 和亮度V3個(gè)基本特征確定顏色。在HSV 顏色空間模型中，H、S和V3個(gè)分量是相互獨(dú)立的，便于顏色的量化處理。

3.9 病斑的紋理特征提取

在實(shí)驗(yàn)研究，得出能量、相關(guān)性、和差異性是最有效的特征，所以將從這三個(gè)個(gè)參數(shù)的均值和偏差兩方面進(jìn)行提取，

3.10 病害圖像的識(shí)別與分類

如今，在農(nóng)業(yè)的研究領(lǐng)域中，模式識(shí)別技術(shù)的應(yīng)用愈來愈廣泛。BP神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性處理能力，因此可以較好地進(jìn)行非線性分類，解決了神經(jīng)網(wǎng)絡(luò)發(fā)展史上的非線性分類難題。本研究運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法來訓(xùn)練前面已經(jīng)獲得的黃瓜病斑特征值。

3.11 網(wǎng)絡(luò)的訓(xùn)練

本研究采用動(dòng)量梯度下降法訓(xùn)練函數(shù)對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

3.12 網(wǎng)絡(luò)的測試

利用BP神經(jīng)網(wǎng)絡(luò)模型對黃瓜葉部病害樣本圖像進(jìn)行識(shí)別測試。

4 結(jié)束語

運(yùn)用此系統(tǒng)研究葉子病害程度對植物不會(huì)造成絲毫的損害。該系統(tǒng)的操作也簡單易懂，運(yùn)用此系統(tǒng)時(shí)，能通過簡單的文字表達(dá)或者是簡單而明顯的圖標(biāo)標(biāo)識(shí)去應(yīng)用。希望它的到來，可以更加準(zhǔn)確而快速的判斷出病變的分級，減少自然因素所造成的影響，從而推動(dòng)農(nóng)業(yè)的發(fā)展。

參考文獻(xiàn)：

[1]齊立，磊肖飛.基于位圖圖像銳化處理算法的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程，2013（09）：121-123.

[2]徐貴力，毛罕平，李萍萍.彩色圖像顏色和紋理特征提取的應(yīng)用算法[J].計(jì)算機(jī)工程，2002.

[3]趙玉霞，王克如，白中英，李少昆，謝瑞芝，高世菊.基于圖像識(shí)別的玉米葉部病害診斷研究[J].中國農(nóng)業(yè)科學(xué)，2007，04：698-703.

[4]耿英.基于圖像識(shí)別的作物病害診斷研究[D].中國科學(xué)技術(shù)大學(xué)，2009.

[5]劉鵬，屠康，徐洪蕊，潘磊慶，劉明.基于支持向量機(jī)的甜柿表面病害識(shí)別[J].現(xiàn)代食品科技，2011（03）：349-353.

作者簡介：劉娜（1978-），女，河南安陽人，博士，實(shí)驗(yàn)師，研究方向：圖像處理。