探究基于圖像處理技術的黃瓜葉部病害識別診斷系統

探究基于圖像處理技術的黃瓜葉部病害識別診斷系統

本文重點探討基于圖像處理技術的黃瓜葉部病害識別診斷系統，經過實踐證明，該系統能夠更為準確、快速識別黃瓜葉部病害，值得在農業生產中廣泛推廣。

圖像處理；黃瓜葉部；病害識別

黃瓜是園藝作物中種植較為廣泛的品種，但因葉部病害多發，制約著黃瓜生產總量的提升。因此，本文借助先進圖像處理技術，以Mat-Lab2008為開發工具，開發黃瓜葉部病害識別系統，具體如下所示。

1　研究方式

1.1采集研究對象。在某農場采集10種以上的多發黃瓜病害作為研究對象，包括細菌性角斑病、霜霉病等，同時采集不同程度的發病黃瓜病害圖片。

1.2硬件、軟件系統條件。識別與診斷黃瓜葉部病害時，需要有良好的軟硬件條件支持，本系統配備完善的硬件系統，并引入先進開發軟件—MatLab。

2　黃瓜葉部病害識別診斷系統的功能

黃瓜葉部病害識別診斷系統共包括讀取圖像、圖像預處理、圖像分割、病斑特征提取、病害識別、診斷結果等模塊，其中病斑特征提取包括顏色、形狀和紋理三方面內容。

2.1預處理圖像。預處理圖像功能是識別黃瓜葉部病害的基礎，在采集病害圖片時，大多處于較為復雜的環境下，同時采集圖片的過程易受到采集設備、時間、天氣等多種因素的影響，導致部分圖像出現噪聲的問題。因此，工作人員必須對圖片進行合理的預處理，確保黃瓜病斑提取的真實性。即預處理圖像功能主要面對復雜背景下收集的病害圖像，分離葉片病斑時，通常借助數學形態學、superpixel算法，再通過中值濾波方式削弱圖像存在的噪聲，利用非線性變換方式增強葉部整體圖像，使黃瓜病斑變得更加清晰。

2.2分割圖像。分割圖像功能主要為提取黃瓜葉部病斑，通常使用的方法有分水嶺計算方式、閾值分割算法，可有效分析葉片、病斑，進而降低提取形狀等特征的難度。

2.3提取圖像典型特征。提取圖像典型特征，主要包括顏色特征、形狀特征與紋理特征三方面，提取完特征后，再根據葉片實際情況進行優化整合，最后將其存儲在文本文件中，為識別、診斷病害提供基礎。

2.4識別黃瓜葉部病害。識別黃瓜葉部病害可使用向量機分類計算方式、BP神經網絡計算方式，對存儲在文本文件中的圖像特征進行分析，建立對應的模型，按照一定的原則，對樣本進行分類、識別。同時系統在識別、診斷環節后，應借助系統維護模塊，實時增加與更新黃瓜葉部病害診斷數據庫信息。

3　黃瓜葉部病害識別診斷系統關鍵部分

3.1分割復雜圖像。分割病害圖像是識別、診斷病害的前提條件，分割圖像的質量直接關系著病害識別的有效性，本系統主要分割復雜環境下收集的圖像。首先，分割背景圖片與黃瓜葉片，去除雜質、土壤等其他物體，只留下病害的葉片區域，并借用superpixel算法分割目標葉片、重疊葉片，約分成100個區域，確保色素值位于鄰近區間；其次，提取病斑區域的形狀、顏色與紋理特征，使用閾值分割法，其算法為：假設黃瓜病害圖像區域為M類子區域，閾值Kq共取M-1個，q=1、2、3、4……M-1，當k(q-1)

3.2識別病害方式。識別病害的方式逐漸增多，具體包括模糊集識別方式、統計識別方式、人工神經網絡識別方式等，但需要注意的是，對于某種黃瓜病害而言，一般沒有過多的樣本，進而影響到識別與診斷的真實性與可靠性，隨著科學技術的發展，支持向量機(SVM)識別方式出現，極大程度上彌補了這一問題，其以最小結構風險為原理，突出泛化、誤差等能力，具備識非線性、小樣本等多種優勢。

[1]回音，呂杰.計算機在急性中毒專家咨詢及診斷系統中的應用[J].中華醫學信息導報，1997 (15)：14，8.

[2]江天法，楊萬利.數據診斷系統[J].華東森林經理，1991(02)：40～43.

[3]郭田生，李小玲，駱曉林.心理疾病專家診斷系統的研發——系統軟件的研發[J].國際精神病學雜志，2013(02)：113～115.

[4]張學農，陳藹祥，張立成.含故障模式的診斷系統設計[J].計算機科學，2013(07)：229～231，243.

[5]杜玉祥，馬曉燕，趙繼超.數學差生診斷系統研究中的數學方法[J].系統工程理論與實踐，1998(09)：131～135.

066000河北科技師范學院郝云飛