基于計(jì)算機(jī)視覺技術(shù)的蘋果樹健康診斷系統(tǒng)研究

吳修國

(西安城市建設(shè)職業(yè)學(xué)院，西安　710114)

0　引言

及時(shí)、有效地控治蘋果樹病害，其核心是早期發(fā)現(xiàn)病害及其種類。在傳統(tǒng)果樹種植中，往往依靠人為經(jīng)驗(yàn)進(jìn)行病害的診斷，雖然可以解決部分問題，但人眼分辨能力有限，當(dāng)農(nóng)戶能夠?qū)ζ渥龀稣_診斷時(shí)，果樹傷害可能已經(jīng)很嚴(yán)重。隨著電子信息技術(shù)的快速發(fā)展和計(jì)算機(jī)的大范圍普及，計(jì)算機(jī)采集和處理圖像在各個(gè)領(lǐng)域的應(yīng)用越來越廣泛。本文根據(jù)蘋果樹發(fā)病時(shí)葉片在顏色、紋理方面的差異性，采用計(jì)算機(jī)視覺技術(shù)，運(yùn)用顏色模型對(duì)比方法，設(shè)計(jì)了一套蘋果樹健康診斷系統(tǒng)，能夠及時(shí)、有效地診斷蘋果病害。

1　計(jì)算機(jī)視覺技術(shù)

隨著電子信息技術(shù)和計(jì)算機(jī)的迅猛發(fā)展，機(jī)器和計(jì)算機(jī)視覺在現(xiàn)代化農(nóng)業(yè)上的應(yīng)用越來越廣泛。機(jī)器視覺和計(jì)算機(jī)視覺的核心是圖像信息處理，而圖像處理技術(shù)的硬件設(shè)計(jì)相對(duì)比較簡單，只需對(duì)獲取的圖像進(jìn)行特征值處理，然后利用處理器對(duì)數(shù)據(jù)進(jìn)行深層次分析，并結(jié)合機(jī)器學(xué)習(xí)(Machine Learning)和人工智能(Artificial Intellegence)，設(shè)計(jì)和開發(fā)出智能監(jiān)測(cè)系統(tǒng)，體現(xiàn)出計(jì)算機(jī)視覺技術(shù)的優(yōu)越性。

計(jì)算機(jī)視覺系統(tǒng)是利用CCD工業(yè)攝像機(jī)，結(jié)合圖像處理技術(shù)和智能控制，實(shí)現(xiàn)人類雙眼的視覺功能。其將圖像信息轉(zhuǎn)變?yōu)閿?shù)字信息，并加入人的情感計(jì)算去理解和識(shí)別圖像，對(duì)檢測(cè)對(duì)象進(jìn)行判別。在日常生活中，計(jì)算機(jī)視覺在提取書本文字、虹膜識(shí)別、計(jì)算機(jī)、水果自動(dòng)分等級(jí)、機(jī)器人自動(dòng)導(dǎo)航及物流信息識(shí)別等的成功應(yīng)用，說明采用計(jì)算機(jī)視覺技術(shù)模擬人類視覺是能夠?qū)崿F(xiàn)的。計(jì)算機(jī)視覺技術(shù)系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1　計(jì)算機(jī)視覺技術(shù)系統(tǒng)結(jié)構(gòu)

計(jì)算機(jī)視覺技術(shù)主要包括圖像處理、模式識(shí)別及圖像理解等3個(gè)方面。

1)圖像采集處理：通過雙CCD攝像機(jī)，采集農(nóng)田作物實(shí)時(shí)視頻圖像信息，然后進(jìn)行分析處理。例如，將采集到的圖像進(jìn)行初步處理，轉(zhuǎn)化成有較高信噪比的圖像。

2)模式識(shí)別：對(duì)前面處理過的信息進(jìn)行再次處理，對(duì)圖片上其他障礙物去除噪聲干擾，根據(jù)圖像特性或結(jié)構(gòu)信息，將圖像進(jìn)行分類，然后進(jìn)行分割識(shí)別。

3)圖像理解：CCD獲取的圖像對(duì)圖像理解而言，不僅是對(duì)作業(yè)圖片自身的描述，還具有深層次的內(nèi)容信息。例如，人類可以通過觀察作物葉片信息，了解到作物生長狀況。其實(shí)，計(jì)算機(jī)也可以通過數(shù)據(jù)庫信息描述和解釋圖像所代表的景物，然后通過對(duì)比圖像內(nèi)容給出決策。

2　蘋果樹病害圖像特征分析

2.1　顏色特征分析

蘋果黃葉病發(fā)病頻繁，對(duì)蘋果種植危害較大，主要表現(xiàn)形式有葉片發(fā)黃和葉肉黃兩種，發(fā)病原因是缺氧和缺鐵。當(dāng)蘋果樹發(fā)病時(shí)，樹葉會(huì)出現(xiàn)很多暗黃色的病斑，且整個(gè)葉片顏色會(huì)發(fā)黃，常常從蘋果樹下部向頂部發(fā)展。發(fā)病初期一般呈現(xiàn)淡綠色病斑，邊緣出現(xiàn)淺黃色斑點(diǎn)，后面葉片有斑點(diǎn)發(fā)黃，如同枯葉一般。由于在蘋果樹病害分析中其葉片圖像顏色特征明顯，因此提取其葉片信息對(duì)分析蘋果生理健康具有重要意義。蘋果出現(xiàn)黃葉病時(shí)葉片顏色特征如圖2所示。

圖2　蘋果樹黃葉病葉片顏色特征

2.2　紋理特征分析

一般葉片部分區(qū)域常常會(huì)出現(xiàn)無規(guī)律現(xiàn)象，但對(duì)整個(gè)葉片而言卻會(huì)有重復(fù)性結(jié)構(gòu)，這些葉片信息就是紋理圖像特征，能夠很好地反映細(xì)節(jié)和宏觀上的圖像信息。當(dāng)蘋果樹出現(xiàn)病蟲害時(shí)，初發(fā)生在樹冠下部和內(nèi)膛葉片上，初現(xiàn)褐色小點(diǎn)，然后出現(xiàn)同心輪紋斑，后期葉片變黃，病部周圍及背部仍保持綠褐色，病葉易早期脫落。因此，根據(jù)蘋果樹葉的輪紋紋理便可對(duì)圖像對(duì)象描述和識(shí)別，判斷果樹是否發(fā)病。葉片紋理特征如圖3所示。

圖3　葉片紋理特征

3　圖像信息識(shí)別檢測(cè)處理流程

3.1　圖像信息的獲取

圖像信息的獲取主要通過CCD工業(yè)攝像機(jī)獲取，并經(jīng)圖像處理系統(tǒng)將圖像信息轉(zhuǎn)換為數(shù)字信息，最后由計(jì)算機(jī)處理器獲取的數(shù)字信息保存并處理。蘋果樹葉片圖像信息獲取過程如圖4所示。

圖4　蘋果樹葉片圖像信息獲取過程

3.2　圖像信息噪聲的去除

由于果園環(huán)境比較復(fù)雜，還受天氣狀況影響，因此在實(shí)際應(yīng)用中果樹葉片信息獲取常常不是在理想情況下進(jìn)行的，甚至條件比較惡劣。因此，將燈光、環(huán)境等因素所引起的噪聲濾除，才能得到更好的原始圖像。圖像信息噪聲去除前后對(duì)比如圖5所示。

圖5　葉片圖像去噪前后對(duì)比

3.3　邊緣檢測(cè)及閾值分割

邊緣檢測(cè)方法主要是利用空域微分算子進(jìn)行的，將檢測(cè)模板與圖像信息卷積完成。由于邊緣的灰度值是斷續(xù)的，圖像的灰度值會(huì)不斷變化，顏色也會(huì)常常變化。葉片表面病斑就是所要檢測(cè)的重點(diǎn)環(huán)節(jié)。為了檢測(cè)更加精準(zhǔn)，本文采用兩種邊緣檢測(cè)因子，利用兩種因子相互結(jié)合作用的方法來獲取得邊緣病斑點(diǎn)的集合。邊緣檢測(cè)及閾值分割示意如圖6所示。圖6中，U1、U2和U3為葉片圖像像素點(diǎn)。

1)D1算子為

r=min(r12,r13)

(1)

(2)

其中，ui表示第i塊模板區(qū)域的灰度均值。

2)D2算子為

(3)

(4)

ρ=min(ρ12,ρ23)

(5)

(6)

3)兩種算子綜合后，則

(7)

其中，σ(x,y)是將D1模板響應(yīng)r與D2模板響應(yīng)ρ相結(jié)合的結(jié)果。其中，模板的形式可以根據(jù)需要進(jìn)行調(diào)整，本文采用8×8分辨模板，采用適合的分辨窗口，可減少計(jì)算機(jī)的運(yùn)行量。因此，可以根據(jù)葉片大小以及背景內(nèi)部的灰度變化大小來選擇比較合適的塊。

圖6　邊緣檢測(cè)及閾值分割示意圖

4　蘋果樹健康診斷系統(tǒng)

4.1　蘋果樹葉病斑識(shí)別檢測(cè)系統(tǒng)

針對(duì)蘋果樹葉病斑圖像信息的診斷檢測(cè)系統(tǒng)主要包括獲取圖像、去除噪聲、邊緣檢測(cè)與閾值分割、圖像修補(bǔ)、提取感興趣區(qū)域、圖像細(xì)化、特征測(cè)量和病變?cè)\斷等8個(gè)板塊。首先是進(jìn)行圖像的采集和去噪工作，然后通過邊緣檢測(cè)和閾值分割對(duì)圖像的識(shí)別和計(jì)算，最后對(duì)計(jì)算機(jī)處理的結(jié)果進(jìn)行修正，從而提取出所需要的數(shù)據(jù)并做出準(zhǔn)確的診斷。圖像信息檢測(cè)診斷系統(tǒng)流程如圖7所示。

圖7　圖像信息檢測(cè)診斷系統(tǒng)流程圖

4.2　蘋果樹葉病斑特征提取

在CIE標(biāo)準(zhǔn)色度學(xué)，顏色一般用顏色模型表示。顏色模型指在空間顏色坐標(biāo)的可見光子集合，是所有顏色域的集合，常見有RGB、HIS、LAB等。作物病害圖像處理常常采用RGB顏色模型，指的是顏色坐標(biāo)系中1個(gè)單位立方體，系統(tǒng)通過計(jì)算分析葉片顏色的深度層次，判定其健康情況。計(jì)算推導(dǎo)公式為

r=R/(R+G+B)

(8)

g=G/(R+G+B)

(9)

b=B/(R+G+B)

(10)

其中，r、g、b是R、G、B歸一的結(jié)果，且滿足且r+g+b=1。一般認(rèn)為r、g、b是消除復(fù)雜環(huán)境光強(qiáng)差異后的顏色分量。根據(jù)三值計(jì)算，并結(jié)合面積加權(quán)直方圖算法，可以分析作物病害圖像紋理分布參數(shù)，作為作物病變的判斷依據(jù)。

葉片病斑形狀特征是判斷病害種類的主要依據(jù)，因此需要提取蘋果樹各種病害的葉片圖像用于蘋果樹病害的分類。由于不同種類病害病斑形狀各不相同，周長、面積、縱軸長、橫軸長作為判斷條件就不太可靠，因此選用形狀復(fù)雜度Scom、偏心率和圓形度等識(shí)別葉片病斑。計(jì)算公式如下：

1)形狀復(fù)雜度為

(11)

其中，L為葉片病斑周長；S為葉片病斑面積；Scom反映病斑區(qū)域復(fù)雜及離散程度。

2)偏心率為

(12)

其中，ALlong和ALshout分別為病斑區(qū)域的長短軸。

3)圓形度為

(13)

其中，Rincircle和Rexrcircle分別是病斑區(qū)域內(nèi)切圓和外切圓半徑。

4.3　蘋果樹葉病斑診斷系統(tǒng)軟件設(shè)計(jì)

蘋果樹健康診斷系統(tǒng)軟件部分包括采集、輸入、處理、提取病變特征和病變?cè)\斷結(jié)果輸出等5個(gè)模塊，結(jié)構(gòu)框架如圖8所示。

圖8　蘋果樹葉病斑診斷系統(tǒng)軟件結(jié)構(gòu)框架圖

5　試驗(yàn)結(jié)果與分析

為了驗(yàn)證蘋果樹葉病斑診斷系統(tǒng)的可靠性，特進(jìn)行了蘋果病斑葉片分割識(shí)別試驗(yàn)。試驗(yàn)所用病斑葉片為當(dāng)天在某蘋果種植區(qū)采摘，共采集得樣本圖像200個(gè)。測(cè)試結(jié)果如表1所示。

表1　蘋果樹葉病斑診斷系統(tǒng)測(cè)試結(jié)果

由表1可知：在整個(gè)診斷試驗(yàn)中，黃葉病的正確診斷率為96%，小葉病為100%，花葉病為92%，腐爛病為98%，小葉病正確診斷率最高，花葉病正確診斷率最低。其中，有2個(gè)黃葉病誤判為花葉病，4個(gè)花葉病誤判為黃葉病，1個(gè)腐爛病誤判為花葉病，黃葉病和花葉病易混淆。結(jié)果表明：此系統(tǒng)平均正確診斷率為96.5%，識(shí)別正確率較高，能夠有效解決實(shí)際問題，可靠性強(qiáng)，符合設(shè)計(jì)要求。另外，針對(duì)黃葉病和花葉病易混淆的特性，可以增加二者區(qū)分度較大的紋理特征，減少誤判概率。

6　結(jié)論

以蘋果樹為研究對(duì)象，根據(jù)蘋果樹發(fā)病時(shí)葉片圖像信息特征，采用計(jì)算機(jī)視覺技術(shù)，運(yùn)用顏色模型對(duì)比模式，設(shè)計(jì)并研究了一套蘋果樹健康診斷系統(tǒng)。該系統(tǒng)可以根據(jù)葉片圖像實(shí)現(xiàn)對(duì)不用蘋果病害的正確診斷。實(shí)際應(yīng)用試驗(yàn)結(jié)果表明：此系統(tǒng)平均正確診斷率為96.5%，正確診斷率較高，可以實(shí)現(xiàn)蘋果病害、蟲災(zāi)等信息監(jiān)測(cè)，對(duì)于蘋果種植業(yè)具有重要參考價(jià)值。