基于图像处理的作物病害诊断及叶片形态参数测量技术的研究

本文综合运用了图像处理、神经网络、分形理论和支持向量机技术,对作物病害诊断技术进行研究,建立了玉米大斑病的诊断模型。 介绍了过度施用农药对环境和人体的危害,指出了正确诊断作物病害的必要性。设计了由手持式叶片载物台和数码相机组成的作物病害叶片图像采集装置,有效的减少了枝叶之间的相互干扰。选择中值滤波的方法,在图像R、G、B三个分量空间分别滤除了随机噪声,然后合成去噪后的真色彩图像。运用神经网络和模糊识别的方法,分别有效地分割了番茄叶霉病和玉米大斑病的病害图像,成功地提取了病害图像的病斑。分析病斑的特点后,提取病斑有代表性的15个特征值(形状、颜色、纹理)。分别运用Bp神经网络、PNN神经网络和支持向量机技术,建立了玉米大斑病的诊断模型,并分析了各种模型产生误差的原因和改进的方法。 最后,应用Matlab语言编写了测量叶片形态参数的简单程序,结果证明其方法简单、快速、准确。