基于圖像處理的黃瓜葉子病害識別系統(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確性，本文綜合運用圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，實現(xiàn)了黃瓜葉部病害檢測與染病程度的分級，并主要對發(fā)病率高且危害嚴重的黃瓜霜霉病、白粉病和病毒病進行了實驗研究。實驗最終證明：檢測系統(tǒng)的黃瓜葉部病害平均識別精度為94.06%，并能夠快速準確地對黃瓜葉片病害的染病程度進行分級。

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)的進步和發(fā)展，而且會導(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。黃瓜葉子病害識別系統(tǒng)就是利用科學(xué)技術(shù)的自動化和智能化來研究如何識別、診斷以及治療黃瓜葉片的病害，并且對其病害程度進行分類。這個系統(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行極其準確地判斷，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的科學(xué)技術(shù)進行探索，一種是計算機視覺，也稱為機器視覺，是研究如何用計算機來模擬和再現(xiàn)人類視覺功能的科學(xué)，也被稱為圖像理解和圖像分析。另一種是計算機圖像分析技術(shù)，此技術(shù)應(yīng)用于植物病害的識別研究已經(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)各個領(lǐng)域上，計算機圖像處理技術(shù)也得到了廣泛的應(yīng)用，并積極推動了農(nóng)業(yè)的發(fā)展。

3 研究的環(huán)境及流程

3.1 系統(tǒng)設(shè)計環(huán)境

Matlab是一種簡單，高效、功能強大的高級語言，在科學(xué)與工程計算領(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，存儲空間較大并且功能強大的圖像處理軟件平臺，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

因為病變過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行一系列的預(yù)處理，從而達到提高處理速度和識別病害準確性的目的。

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位真彩色來儲存圖像。可是，由于彩色位圖存儲所占用的空間比較大，致使處理圖像時的運算速度比較緩慢。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行強化，使圖像更加容易分辨或更方便被其他圖像處理軟件識別和處理，同時增強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，必須對圖像進行平滑處理。圖像平滑技術(shù)是圖像增強的一種方法，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立的特性。圖像分割環(huán)節(jié)對于病害識別來說至關(guān)重要。

3.7 黃瓜葉片病斑特征的提取

為了使計算機能夠“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個基本特征確定顏色。在HSV 顏色空間模型中，H、S和V3個分量是相互獨立的，便于顏色的量化處理。

3.9 病斑的紋理特征提取

在實驗研究，得出能量、相關(guān)性、和差異性是最有效的特征，所以將從這三個個參數(shù)的均值和偏差兩方面進行提取，

3.10 病害圖像的識別與分類

如今，在農(nóng)業(yè)的研究領(lǐng)域中，模式識別技術(shù)的應(yīng)用愈來愈廣泛。BP神經(jīng)網(wǎng)絡(luò)具有強大的非線性處理能力，因此可以較好地進行非線性分類，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

本研究采用動量梯度下降法訓(xùn)練函數(shù)對該網(wǎng)絡(luò)進行訓(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行識別測試。

4 結(jié)束語

運用此系統(tǒng)研究葉子病害程度對植物不會造成絲毫的損害。該系統(tǒng)的操作也簡單易懂，運用此系統(tǒng)時，能通過簡單的文字表達或者是簡單而明顯的圖標標識去應(yīng)用。希望它的到來，可以更加準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，從而推動農(nóng)業(yè)的發(fā)展。

參考文獻：

[1]齊立，磊肖飛.基于位圖圖像銳化處理算法的設(shè)計與實現(xiàn)[J].計算機與數(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].計算機工程，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.基于支持向量機的甜柿表面病害識別[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，實驗師，研究方向：圖像處理。