基于图像识别的谷子病害研究.docx

    基于图像识别的谷子病害研究    李艺嘉 朱 洋 刘鹏 张亮[Summary]本文选取谷子常见的谷瘟病、锈病作为研究对象，以Matlb为研究平台，通过多种分割方法对比，选取最好的分割效果图提取其颜色、形态、纹理特征，可以有效实现对谷子谷瘟病、锈病的区分[Key]谷子病害;特征提取;病害分割;支持向量机谷子作为我国北方重要的旱地粮食作物，不管从食物本身的营养价值，还是膳食结构调整都有着重要的作用随着科技的发展，杂交谷子在不断更新换代，产量在不断提高的同时病虫害问题也接踵而至…谷子锈病是真菌性疾病，其病发季节一般在高温多雨的8月上、中旬，发病率在20%左右，高温多湿条件下，谷子减产量可达到40%[2];谷瘟病发病部位较为广泛，从叶部白上而下侵染到穗部，谷瘟病病理特征与锈病都呈真菌性，发病季节多在高温多雨的夏初季节，平均发病率约为20%左右，如若不加强管理，会造成谷子的大面积减产所以，病害的有效识别对病害防治以及尽早治疗都具有重要作用随着汁算机技术的不断发展，图像识别技术逐渐在农业病害方面大放异彩师韵等[3]提取一种二维空间学习的识别方法，有效地完成了对3种苹果病害的识别喻勇等[4]以烟叶的野火病和赤星病为对象，采用一种标准特征库的模糊识别方法。

师韵等151采用一种主分量分析的降维方法，搭建BP神经网络，3种病害的平均识别率均达到94%以上朱景福等[6]采用3种降维方法对玉米病害特征分量进行降维，对比分析LLE降维方法效果最佳，有效识别率达到99.5%1 图像拍摄及预处理病害拍摄时间处于7月下旬，此时高温多雨，正处于病害滋生的高发季节谷子锈病主要发病部位在叶部，其主要特点为两面不均匀生长红褐色病斑，其形状呈现椭圆状[7]谷瘟病病斑特点呈现分层结构，中间呈灰白色，病斑边缘部分呈褐色，且病斑整体形状为椭圆形，谷瘟病图像见图1，锈病病斑图像见图2拍摄时搭建白色底板，便于叶子病斑背景单一经过中值滤波进行相关预处理，用于处理图片拍摄过程中存在的噪音问题，很好地保留了图片原有的边缘性2病斑分割病害分割是图像处理的关键步骤，其目的在于把病斑提取出来，把不需要的部分（绿叶部分）剔除根据图像其灰度部分呈现的特性不同一般有以下分类：一种是基于灰度阈值的分割方法，需要搜索全局阈值进行分割，灰度直方图可作为判别其是否实用的标准，常见的分割方法有大律法（ OSTU）、迭代分割;另一种是基于区域的分割方法，常见的分割方法为区域生长法，种子点的选取是其特性之一[8]。

2.1 大律法大律法也称最大类间方差法，Matlab中使用Graythresh函数寻找最佳阈值其实现过程如下：（1）通过使用灰度图像直方图来统计像素点的数量，随后对直方图进行归一化处理，找出能把图像简单分类的灰度阈值，从而实现把图像分为前景和背景的目的通过统计前景有关像素的平均灰度值μ0，进行归一化操作后，前景所占全图面积的百分比为ω0背景平均灰度值μ1，，背景所占全图面积ω1，2）计算其类间方差：（3）不断进行迭代，直到求得最大T值，作为最大类间方差的全局阈值谷瘟病大律法分割二值见图3，锈病大律法分割二值见图4谷瘟病病斑有两部分，Ostu分割方法仅提取了部分病斑，有一部分病斑未被提取出来，谷子锈病病斑部分完全没有被分割开来[9]2.2迭代分割迭代分割与最大类间方差法类似，其实现过程如下：（1）求得灰度直方图，基于逼近的思想，根据直方图先选择一个最初的阈值To2）根据To，将图像分为G1和G2，并随即求得其平均灰度值m1、m2，计算出新的阈值T1：Tl=（mo+m1）÷2（3）不断进行迭代计算，直到平均灰度值mi、m）不再发生变化，即得到最佳阈值T迭代分割在Lab空间中提取a通道分割的谷瘟病彩色病斑见图5，二值图像见图6;迭代分割在Lab空间中提取a通道提取的彩色图像见图7，二值图像见图8。

从迭代分割的結果来看，虽然病斑被很好地分隔开，但是其边缘部分分割效果不佳，锈病分割效果较为良好，与原图对比，相关病斑部分都被分割开来[10]2.3 区域生长法区域生长法是一种基于区域分割的算法，其最终目的是将具有相近灰度值的大小的像素点合并起来，形成一块块各白区域的过程其实现过程如下：（1）根据图像特性选择合适种子点选取方法一种是根据病害的灰度图像，基于像素灰度值的大小，选择种子点;另一种是采用人工交互式的方法来实现2）遵循其分割算法的生长规则，依据梯度特征的角度方向进而确定其区域生长的运动方向实现过程：针对不同像素点对其进行标记操作，标记的像素点对应不同的灰度值大小流程步骤：确定一个种子点，种子点往灰度值相近的像素点进行移动，随即得到其区域生长方向，直到最终像素区域内中不存在种子点随即停止生长区域生长法在RGB空间下谷瘟病区域分割彩色病斑见图9，谷瘟病区域分割二值图像见图10，锈病区域分割彩色病斑见图11，锈病区域分割二值图像见图12从区域生长法分割效果图来看，谷瘟病、锈病分割效果都相对较好3 特征提取及SVM识别通过对以上几种分割算法的对比和分析，区域生长法的分割质量相对较高，根据病斑呈现特性，对其进行特征选择。

颜色特征部分提取RGB三阶颜色矩，形态特征提取偏心率、宽长比等特征;纹理特征采用基于灰度共生矩阵的提取方法，提取能量、对比度、逆差距、二阶矩特征类型共计18个特征，将特征参数导入支持向量机（ SVM）进行分类识别SVM适用于小样本的类别分类，SVM根据线性方程为判别依据，其目的为将存在大量样本数据的空间中划分出超平面线性方程如下： WTX+b=0（3） 式中：x为数据维度;W为垂直方向的法向量;h为超平面与原点间的距离大小谷瘟病、锈病各选择50张图片作为训练集、20张图片作为测试集，交叉识别验证，识别结果见图134 结论本文针对谷子的谷瘟病、锈病，进行图像采集与病害识别，研究结果表明，谷瘟病的识别率为90%，锈病的识别率为100%，平均识别率为95%，能有效将谷瘟病、锈病进行区分Reference[1]张文英.谷子主要病害及其防治措施[J].现代农业科技，2013（2）：141-142[2]鲍守礼.谷子锈病发生规律及特点初探[J].杂粮作物，2002 （2）：108-109.[3]师韵，黄文准，张善文.基于二维子空[J]的苹果病害识别方法 [J]计算机工程与应用，2017 （22）：180-184.[4]喻勇，张云伟，王静，等.基于计算机视觉的烟叶病害识别研究[J].计算机工程与应用，2015 （20）：167-171.[5]师韵，王旭启，张善文，基于主分量分析的苹果叶部3种常见 病害识别方法[J].江苏农业科学，2016 （9）：337-340.[6]朱景福，李雪，玉米叶片病害彩色图像识别的降维和聚类方法 [J]江苏农业科学，2016 （7）：350-354.[7]丁菊梅谷子的主要病害及其防治技术[J]，农业技术与装备，2013（1）：68-70.[8]莫国良.储粮害虫的防治技术研究[J]粮食科技与经济，2 018（6）：106-107。

[9]牛冲，牛昱光，李寒，等，基于图像灰度直方图特征的草莓病虫害识别[J]江苏农业科学，2017 （4）：169-172.[10]刘维春，黄抱鸿.谷虫净综合防治储粮害虫试验报告[J].粮食科技与经济，1996 （1）：9-11.  -全文完-。