圖像技術在農作物病害識別中的應用研究

詹保坡　尚怡君

摘要：隨著國民經濟的不斷發展進步，數字圖像技術的不斷創新完善，越來越多研究人員開始高度重視和關注到圖像技術在農作物病害識別中的應用。在以往農作物病害的判斷識別中，務農人員往往根據自身的經驗去分析農作物是否存在病害，這樣無法保障病害識別的準確率，存在一定的不足之處。因此，未來農業行業的發展將要朝著智能化、數字化的方向不斷發展，科學利用各項智能技術提高農作物的生產率成為必然趨勢。文章將進一步對圖像技術下的農作物病害識別展開分析與探討。

關鍵詞：圖像技術；農作物病害；識別

我國作為一個農業大國，社會經濟的持續發展離不開農業的和諧建設。因此，政府相關部門要加強與社會農業從業者的交流和溝通，積極向廣大農民推廣應用圖像處理技術，其能夠有效幫助人們準確識別出農作物的各類病害，從而及時采取有效的解決措施，避免造成嚴重的經濟損失。由于不同的致病因素，不同農作物病害存在著顯著的特征差異，在圖像技術應用下，人們可以通過對病害特征差異科學區分出不同種類的病害。

1.農作物病害特征的提取

1.1獲取病害圖像

一般情況下，機器視覺系統的構成主要包括了圖像處理與識別系統、攝像機、信息采集卡以及輔助光源等。當前，被廣泛應用在田間進行圖像采集的視覺傳感器有兩種，一種是cCD視覺傳感器，另一種則是cOMs視覺傳感器。其中前者視覺傳感器的攝像頭主要由電荷耦合器件組成，需要花費較高的成本。此外，COMS視覺傳感器的攝像頭與CCD視覺傳感器相比較，其在采集圖像速度上更快。因此，CMOs攝像頭被更多務農人員應用在高速環境下進行拍攝工作，其高幀速度范圍在每秒300-2 500幀。與CCD傳感器相比較，COMS傳感器的缺點在于其在成像半導體產生的電子轉化成電壓信號的過程中，會產生較大的噪聲，聲音強度是CCD的10倍，并且最終成像圖片清晰度也低于CCD攝像機。

1.2病害圖像預處理

務農人員在應用圖像識別技術采集病害圖像過程中會受到各種外界因素的干擾，例如常見的自然光照、水霧以及灰塵等，同時拍攝設備自身元器件電流過大也會影響到正常拍攝，容易導致成圖質量過低，清晰度效果不好。因此，務農人員在對農作物病害圖形展開采集作業前，必須先進行病害圖像的預處理操作。

圖像預處理操作主要包括了兩方面內容，一是對病害圖像去噪操作，二是對病害圖像增強操作。圖像消除噪聲操作又被人們稱為濾波或者平滑，其工作目的主要是為了有效消除圖像中存在的噪聲干擾，促使圖像質量的提升。在所有未經過處理的原始圖像中，多多少少都會具有一定程度的噪聲干擾，此種干擾會影響到拍攝圖像的最終質量，導致圖像效果不清晰，務農人員無法有效根據農作物圖像科學識別出具體病害，從而給識別分析工作帶來較大難度；圖像增強操作主要目的是為了優化改善圖像視覺效果，提高圖像的清晰度，將圖像中不需要的信息進行消除。此外，圖像增強還能夠方便工作人員日后的計算機處理工作。當前，在農業市場中普遍應用的增強技術分為兩類，一類是圖像空間域方法，一類是圖像變換域方法。

1.3病害圖像分割

務農人員在展開對病害圖像數據分析和識別工作前，需要對圖像進行分割操作，圖像分割質量高低直接關系到圖像最終的分析與結果處理，決定了工作人員對病害圖像的理解程度。由于當前圖像分割操作不存在通用分割方法，也不具備科學的成功分割基礎操作標準，因此工作人員需要根據圖像的具體特征，有針對性地采用合適的圖像分割方法。

1.4病害特征提取

顏色特征提取。顏色作為人們直接感官彩色圖像時最為明顯的特征，具備較好的自適應性，不會受到外界因素太大干擾。通常使用的顏色特征有顏色直方圖、顏色矩以及顏色集等。其中顏色直方圖能夠將顏色空間進行平衡分割，科學計算判斷出不同顏色在圖像像素點中實際占比率；顏色矩則可以充分展現出圖像顏色的分布情況，因為圖像顏色分布信息主要集中在低階矩中，所有工作人員一般會使用一、二、三階矩來呈現出圖像的具體顏色分布；顏色集的應用工作過程是先將RGB顏色空間成功轉化為視覺均衡的顏色空間，同時把顏色空間量化成數個bin，在色彩自動分割技術的輔助下實現圖像的區域分割，不同區域通過使用量化顏色空間的某個顏色分量進行索引，這樣就能夠將圖像表達為一個二進制的顏色集。

形狀特征提取。圖像形狀特征表達主要以對圖像中區域或者物體的劃分為基礎，農作物病斑的分類依據主要包括了顏色、形狀以及紋理，病斑在不同階段的發病期會呈現出不同的顏色狀態、紋理特征提取也會相應受到圖像清晰外界條件的影響。而病斑形狀特征與顏色特征相比較會更加穩定，提取效果也優于紋理特征。當前形狀特征提取內容主要涵蓋了：幾何特征、區域描述特征以及傅里葉形狀描述符等。例如，幾何形狀特征指的是農作物病斑的面積、周長以及方向角等，它們的實際計算多數是基于目標的封閉輪廓線。

紋理特征提取。紋理特征主要被應用在基于內容圖像檢索工作中，工作人員可以根據提取到的某種紋理圖像，有效查找出含有類似紋理的其他病害圖像。圖像識別領域普遍提取應用的紋理特征主要包含了Tamura紋理特征、小波變換和灰度共生矩陣表示的紋理特征等。其中Tamura紋理特征的6個分量就是心理學角度上紋理特征的6種屬性，它們是方向度、對比度、粗糙度、規整度、線像度以及粗略度。

2.農作物病害種類識別

要想保證農作物病害的有效治理，就必須高效應用模式識別法展開對病斑的科學分類作業。當前被廣泛應用在農作物病害識別的模式識別包括模糊識別技術與參數綜合分析法。

2.1模糊模式識別

模糊模式識別方法的工作原理是通過應用模糊數學中的基礎概念、原理以及方法去解決各種病害分類識別問題。模糊模式識別通過把識別對象、待識別類分別作為元素和模糊集，接著科學對元素和模糊集進行分類。其中，一般聚類算法的應用是按照農作物不同特征、相似性等關系，直接決定它們的所屬種類。所以，工作人員在應用該算法時必須根據實際問題進行病害特省的提取，有效建立起模糊集的隸屬度函數，明確農作物關系的相關程度，最后合理應用模糊數學的對應原理方法進行分類識別。

與傳統模式識別方法相比較，現代模糊模式識別方法的優勢在于其表達出的客體信息更為科學合理，滿足于工作人員對信息的利用需求，模糊識別算法較為簡單，具備了良好的穩定性和高推理能力。

2.2參數綜合分析法

一般情況下，工作人員在利用圖像處理技術對農作物病害進行識別作業時，為了減少成本和時間，會選擇應用單一參數分析方法，然而這種方式所識別出來的結果難以讓人滿意。因此，工作人員為了獲取高質量的農作物病害識別分類效果，就必須綜合多種參數進行病害識別，不斷提高參數算法的準確性和強健性。隨著時間的推移，我國硬件技術也得到了不斷完善，各種優化算法得到了改進，通過綜合采用多種識別算法能大大提高識別質量。

當前，已知存在的參數結合分析法主要包括了顏色與紋理結合法、顏色與形態結合法以及顏色、紋理和形狀三者結合的方法。例如，在顏色與紋理特征結合內容上，有很多研究人員通過利用color co-occurrence method這一研究方法，該方法能夠確保同時有效提取出顏色參數和紋理特征參數，然后在神經網絡技術的輔助下，高效優化結合顏色參數和紋理參數，從而不斷提升農作物病害識別效果。基于我國科學技術的不斷發展，市場軟硬件技術的不斷完善，越來越多的學者開始積極探索結合應用顏色、紋理以及形狀3種參數進行農作物病害識別，這樣做的目的是為了打破傳統單一參數分析法的局限性，最大程度提高病害識別的準確率，雖然研究過程要涉及眾多程序，加大了研究成本，但是為了更好地服務于農業發展，這一切都是值得的。

3.結語

綜上所述，要想保障我國農業行業穩定持續的發展，不斷提高農作物的產量，就必須充分利用好圖像技術，加強對農作物病害的識別工作。工作人員要針對農作物的具體病害，合理選擇出最佳的識別方法，對病害特征進行提取和識別，明確其種類，從而幫助務農人員采取有效的病害解決措施，促使農作物健康地成長發育。