基于机器学习的黄瓜果叶图像特征识别与表型参数测量

• 作 者: 张经纬
• 出 处: 上海交通大学
• 发表日期: 2004年期
• 关键词: 黄瓜 图像分割 机器学习 随机森林 模糊C均值聚类 全卷积神经网络

黄瓜是我国主要蔬菜作物之一,种植面积大,深受人们喜爱。对消费者来说,黄瓜的外观品质直接影响人们的购买欲望;对科研工作者来说,黄瓜果叶的生物表型性状关系到品种培育,需要培育瓜条直、瓜把短、无果瘤、抗白粉病等优异性状。然而,传统果叶性状测量大多依靠人工完成,费时费力,主观误差大,亟需一种高效率、高精度的解决方案。本文基于机器视觉,设计了黄瓜果叶图像采集系统,考虑不同表型性状的特征表达,分别对黄瓜外观品质分级、白粉病分级、果瘤识别等问题进行研究。针对图像处理中果叶性状提取遇到的难题,基于机器学习,提出了关于果实种子腔识别、白粉病病斑分割、果瘤识别等多个关键算法。最终开发了黄瓜果叶表型自动化测量分析平台。具体而言,依照国标,提出了一种黄瓜外观自动分级方法。该方法通过对黄瓜图像滤波、去阴影、二值化等操作,提取完整黄瓜轮廓。在此基础上,通过骨架化算法和插值拟合算法等,提取并测量黄瓜长度、横径、横径差、弓形高度、瓜把长等参数。在瓜把长提取研究中,通过特征分析选取了图像的纹理与颜色特征,使用随机森林算法解决了黄瓜种子腔分割难题。对黄瓜叶片白粉病分级问题进行了研究,提出了白粉病病斑区域自动分割方法。首先对采集的白粉病图像进行分析,选取对比度较大的XYZ空间中的Z通道作为分类特征。结合图像的特点,采用模糊C均值聚类与超像素结合的方法,有效提取了病害区域。通过与其他三种方法对比,验证了该方法的优越性。针对黄瓜果瘤密度测量问题,研究出一种黄瓜果瘤自动识别方法。该方法根据全卷积神经网络,依靠U-net结构,自动提取相关特征,完成模型训练与分类。最后通过与传统的分割方法对比,证明了该方法分割结果的准确性。基于图像采集平台,根据上文研究的算法,最终开发出黄瓜果叶表型自动化测量分析基础平台。在此基础上,为了满足便携需求与推广需要,开发了便携式测量分析平台。实验表明,本文方法具有高效率、高精度的特点,可以为黄瓜新品种培育提供重要技术支撑。