探究基于图像处理技术的黄瓜叶部病害识别诊断系统

探究基于图像处理技术的黄瓜叶部病害识别诊断系统

本文重点探讨基于图像处理技术的黄瓜叶部病害识别诊断系统，经过实践证明，该系统能够更为准确、快速识别黄瓜叶部病害，值得在农业生产中广泛推广。

图像处理；黄瓜叶部；病害识别

黄瓜是园艺作物中种植较为广泛的品种，但因叶部病害多发，制约着黄瓜生产总量的提升。因此，本文借助先进图像处理技术，以Mat-Lab2008为开发工具，开发黄瓜叶部病害识别系统，具体如下所示。

1　研究方式

1.1采集研究对象。在某农场采集10种以上的多发黄瓜病害作为研究对象，包括细菌性角斑病、霜霉病等，同时采集不同程度的发病黄瓜病害图片。

1.2硬件、软件系统条件。识别与诊断黄瓜叶部病害时，需要有良好的软硬件条件支持，本系统配备完善的硬件系统，并引入先进开发软件—MatLab。

2　黄瓜叶部病害识别诊断系统的功能

黄瓜叶部病害识别诊断系统共包括读取图像、图像预处理、图像分割、病斑特征提取、病害识别、诊断结果等模块，其中病斑特征提取包括颜色、形状和纹理三方面内容。

2.1预处理图像。预处理图像功能是识别黄瓜叶部病害的基础，在采集病害图片时，大多处于较为复杂的环境下，同时采集图片的过程易受到采集设备、时间、天气等多种因素的影响，导致部分图像出现噪声的问题。因此，工作人员必须对图片进行合理的预处理，确保黄瓜病斑提取的真实性。即预处理图像功能主要面对复杂背景下收集的病害图像，分离叶片病斑时，通常借助数学形态学、superpixel算法，再通过中值滤波方式削弱图像存在的噪声，利用非线性变换方式增强叶部整体图像，使黄瓜病斑变得更加清晰。

2.2分割图像。分割图像功能主要为提取黄瓜叶部病斑，通常使用的方法有分水岭计算方式、阈值分割算法，可有效分析叶片、病斑，进而降低提取形状等特征的难度。

2.3提取图像典型特征。提取图像典型特征，主要包括颜色特征、形状特征与纹理特征三方面，提取完特征后，再根据叶片实际情况进行优化整合，最后将其存储在文本文件中，为识别、诊断病害提供基础。

2.4识别黄瓜叶部病害。识别黄瓜叶部病害可使用向量机分类计算方式、BP神经网络计算方式，对存储在文本文件中的图像特征进行分析，建立对应的模型，按照一定的原则，对样本进行分类、识别。同时系统在识别、诊断环节后，应借助系统维护模块，实时增加与更新黄瓜叶部病害诊断数据库信息。

3　黄瓜叶部病害识别诊断系统关键部分

3.1分割复杂图像。分割病害图像是识别、诊断病害的前提条件，分割图像的质量直接关系着病害识别的有效性，本系统主要分割复杂环境下收集的图像。首先，分割背景图片与黄瓜叶片，去除杂质、土壤等其他物体，只留下病害的叶片区域，并借用superpixel算法分割目标叶片、重叠叶片，约分成100个区域，确保色素值位于邻近区间；其次，提取病斑区域的形状、颜色与纹理特征，使用阈值分割法，其算法为：假设黄瓜病害图像区域为M类子区域，阈值Kq共取M-1个，q=1、2、3、4……M-1，当k(q-1)

3.2识别病害方式。识别病害的方式逐渐增多，具体包括模糊集识别方式、统计识别方式、人工神经网络识别方式等，但需要注意的是，对于某种黄瓜病害而言，一般没有过多的样本，进而影响到识别与诊断的真实性与可靠性，随着科学技术的发展，支持向量机(SVM)识别方式出现，极大程度上弥补了这一问题，其以最小结构风险为原理，突出泛化、误差等能力，具备识非线性、小样本等多种优势。

[1]回音，吕杰.计算机在急性中毒专家咨询及诊断系统中的应用[J].中华医学信息导报，1997 (15)：14，8.

[2]江天法，杨万利.数据诊断系统[J].华东森林经理，1991(02)：40～43.

[3]郭田生，李小玲，骆晓林.心理疾病专家诊断系统的研发——系统软件的研发[J].国际精神病学杂志，2013(02)：113～115.

[4]张学农，陈蔼祥，张立成.含故障模式的诊断系统设计[J].计算机科学，2013(07)：229～231，243.

[5]杜玉祥，马晓燕，赵继超.数学差生诊断系统研究中的数学方法[J].系统工程理论与实践，1998(09)：131～135.

066000河北科技师范学院郝云飞