论文部分内容阅读
向日葵是我国北方地区重要的经济和油料作物，国内外市场开发潜力大，但是向日葵病害的日益猖獗造成向日葵产量大幅降低，所以对向日葵病害的准确识别与防治成为亟待解决的重要问题。而传统对向日葵病害的识别主要是通过肉眼判断的，存在很大的主观性、局限性和模糊性，所以研发一种可以模拟人的视觉功能而又超越其性能的计算机视觉与图像识别系统来诊断向日葵病害成了现代农业发展领域的迫切需求。本文主要以向日葵叶部细菌性叶斑病、黑斑病、霜霉病这三种病害作为主要研究对象，开发设计了基于图像识别的向日葵叶部病害诊断系统。首先，该系统将自然光照条件下采集到的向日葵叶部病害图像利用矢量中值滤波法进行去噪处理，之后对向日葵叶部图像进行有无病害诊断，本文主要采用以G分量导出的特征参量作为支持向量机模式识别的输入，进而对待检测图像进行叶片正常与否的诊断，对于非正常叶片综合利用灰度共生矩阵与支持向量机法进行是否含有病害的诊断；其次，若待检测图像是病害叶片，则通过自选阈值分割法对叶片病斑进行粗略分割，再利用融合区域标记与区域生长的分割法对病斑进行精准分割，分割完成之后，利用形态学中的开、闭运算去除精细分割病斑图像中出现的孤立小点、毛刺和小空洞等，达到消除图像噪声的目的；再次，针对病斑分割后的特点，本文分别利用颜色矩和灰度共生矩阵提取出病斑的颜色特征及纹理特征，经过对特征参数的深入研究，优选出9个特征参数作为判别不同病害的依据；最后，采用一对一投票决策的支持向量机多分类模型对向日葵叶部病害进行了较准确的识别诊断。本系统以MATLAB为平台，利用其GUI工具箱开发了基于图像识别的向日葵叶部病害诊断系统。经过多次测试发现，该系统能够较准确地识别出向日葵三种病害（细菌性叶斑病、黑斑病、霜霉病），基本达到本文的设计要求。