基于图像识别的作物病害诊断研究

玉米叶部病斑的分类识别,为其它作物病害图像识别的研究提供了借鉴;研究提取了五种玉米叶部主要病斑的识别特征,确定了诊断流程,并开发了识别系统。经检验,该系统对玉米叶部的锈病斑、弯孢菌病斑、灰斑、褐斑、小斑等五种主要病害的诊断准确率达80%以上。另外,吉林大学的齐龙(2006)从算法理论研究入手,采用BP神经网络和模糊C均值算法成功的分割了番茄叶霉病和玉米大斑病的病害图像:通过比较 BP神经网络、PNN神经网络和最小二乘支持向量机三种方法的分类精度,发现最小二乘支持向量机的分类精度最高,适合玉米大斑病的分类诊断。 1.4本文主要研究内容和技术路线 1.4.1研究内容本研究以计算机图像处理技术为主要技术手段,综合运用图像处理、植物病理学、色度学、模式识别等方面的知识对黄瓜角斑病、褐斑病和霜霉病进行诊断,相关研究方法可以应用于其它农作物的病害诊断。本研究的主要内容有: 6 第1章绪论 1、复杂背景下病害叶片图像的预处理。首先研究将目标区域从复杂背景中分离出来的算法,然后比较几种图像增强算法,选取合适的算法对图像进行平滑处理。 2、病害叶片图像病斑的分割。研究将病斑部位从叶片背景中分割出来的方法,以获取病斑图像,进行特征提取。 3、病斑特征提取。通过实验比较,选取适合于病害分类的病斑颜色、纹理和形状特征进行提取。 4、病害种类识别。用SVM方法训练分类器,建立诊断模型,进行病害诊断。本研究是在课题组农业专家系统处理平台的框架内,对农作物病害的图像处理与识别技术进行探索性研究。本文主要是针对黄瓜的病害进行诊断,相关研究成果可以为其它农作物的图像处理病害诊断奠定基础。 1.4.2技术路线在VC编译环境中,采用c++语言和OpenCV混合编程,开发图像识别诊断作物病害的软件,并使其功能模块化。其中包括:图像获取模块、图像预处理模块、特征提取模块、图像识别模块。具体的技术路线见图1.1。 7