基于图像处理的黄瓜叶部病害识别研究

蔬菜生产是当前不少菜农们致富脱贫的重要渠道,但病害是影响其产量和质量的重要因素。传统的病害识别方法的主观性、局限性和模糊性严重影响了识别的准确性,导致病害的错诊、延诊。 随着物联网技术的发展,作物联网进行病害识别己成为一个新的研究热点,给作物病害的智能、准确识别带来了可能。本研究利用计算机图像处理技术和支持向量机识别等技术,以黄瓜叶部病害为研究对象,对病害图像进行了预处理,并提取了病害叶片的颜色、纹理和形状特征,利用计算机识别方法进行训练得到分类模型,实现了对黄瓜的3种常见病害图像识别。该方法具有科学性、准确性,对物联网在蔬菜联网进行病害的智能识别上具有一定的指导意义。 本研究的主要内容包括以下几个部分： (1)病害图像的预处理。采用加权平均法对彩色图像进行灰度化处理,采用中值滤波方法对病害图像进行噪声抑制,通过直方图均衡化进行图像增强。图像通过一系列预处理后显示出了更好的效果。 (2)病害图像的分割。先采用试验选择阈值法分割黄瓜叶部病斑,再进行孔洞填充和去除无关小对象处理,最后利用数学形态学处理,获得了理想的病斑分割图像。 (3)病害图像的特征提取。提取了RGB和HSI颜色空间中的R、G、I各分量,作为颜色特征；采用灰度共生矩阵提取了对比度、相关性、能量、同质性和熵,作为纹理特征；提取了伸长度、复杂性、离心率、矩形度、面积凹凸比、圆度作为形状特征。总共14个特征。 (4)基于SVM分类模型的训练和测试。采用支持向量机的分类方法多次随机选取训练集和测试集进行分类识别。分别从颜色、纹理、形状单方面进行识别,平均正确识别率分别为72.23%、90.70%、90.24%；然后综合颜色、纹理、形状3种特征进行识别,平均正确识别率为96.00%,取得了理想的识别效果,比采用颜色、纹理或形状单一特征识别率分别高出23.77%、5.93%和5.76%。 由上面的成果可知,本文的创新点如下： (1)通过分析RGB和HSI颜色空间的各个分量,结合两个颜色空间,提取了R、G、I作为颜色特征,这些分量图像清晰,病斑区域明显。并且综合利用颜色、纹理和形状3类特征进行模式识别,达到了更好的识别效果。 (2)多次随机选取训练集和测试集进行训练和识别,并求出这几次实验结果的平均值,使得比只进行一次训练后测试得到的识别结果更可靠、更接近真实的识别率。 (3)在病害图像的分割方面,通过对黄瓜病斑的分割图像进行孔洞填充和去除无关小对象处理,使得病斑分割图像更为理想。