图像技术在农作物病害识别中的应用研究

詹保坡　尚怡君

摘要：随着国民经济的不断发展进步，数字图像技术的不断创新完善，越来越多研究人员开始高度重视和关注到图像技术在农作物病害识别中的应用。在以往农作物病害的判断识别中，务农人员往往根据自身的经验去分析农作物是否存在病害，这样无法保障病害识别的准确率，存在一定的不足之处。因此，未来农业行业的发展将要朝着智能化、数字化的方向不断发展，科学利用各项智能技术提高农作物的生产率成为必然趋势。文章将进一步对图像技术下的农作物病害识别展开分析与探讨。

关键词：图像技术；农作物病害；识别

我国作为一个农业大国，社会经济的持续发展离不开农业的和谐建设。因此，政府相关部门要加强与社会农业从业者的交流和沟通，积极向广大农民推广应用图像处理技术，其能够有效帮助人们准确识别出农作物的各类病害，从而及时采取有效的解决措施，避免造成严重的经济损失。由于不同的致病因素，不同农作物病害存在着显著的特征差异，在图像技术应用下，人们可以通过对病害特征差异科学区分出不同种类的病害。

1.农作物病害特征的提取

1.1获取病害图像

一般情况下，机器视觉系统的构成主要包括了图像处理与识别系统、摄像机、信息采集卡以及辅助光源等。当前，被广泛应用在田间进行图像采集的视觉传感器有两种，一种是cCD视觉传感器，另一种则是cOMs视觉传感器。其中前者视觉传感器的摄像头主要由电荷耦合器件组成，需要花费较高的成本。此外，COMS视觉传感器的摄像头与CCD视觉传感器相比较，其在采集图像速度上更快。因此，CMOs摄像头被更多务农人员应用在高速环境下进行拍摄工作，其高帧速度范围在每秒300-2 500帧。与CCD传感器相比较，COMS传感器的缺点在于其在成像半导体产生的电子转化成电压信号的过程中，会产生较大的噪声，声音强度是CCD的10倍，并且最终成像图片清晰度也低于CCD摄像机。

1.2病害图像预处理

务农人员在应用图像识别技术采集病害图像过程中会受到各种外界因素的干扰，例如常见的自然光照、水雾以及灰尘等，同时拍摄设备自身元器件电流过大也会影响到正常拍摄，容易导致成图质量过低，清晰度效果不好。因此，务农人员在对农作物病害图形展开采集作业前，必须先进行病害图像的预处理操作。

图像预处理操作主要包括了两方面内容，一是对病害图像去噪操作，二是对病害图像增强操作。图像消除噪声操作又被人们称为滤波或者平滑，其工作目的主要是为了有效消除图像中存在的噪声干扰，促使图像质量的提升。在所有未经过处理的原始图像中，多多少少都会具有一定程度的噪声干扰，此种干扰会影响到拍摄图像的最终质量，导致图像效果不清晰，务农人员无法有效根据农作物图像科学识别出具体病害，从而给识别分析工作带来较大难度；图像增强操作主要目的是为了优化改善图像视觉效果，提高图像的清晰度，将图像中不需要的信息进行消除。此外，图像增强还能够方便工作人员日后的计算机处理工作。当前，在农业市场中普遍应用的增强技术分为两类，一类是图像空间域方法，一类是图像变换域方法。

1.3病害图像分割

务农人员在展开对病害图像数据分析和识别工作前，需要对图像进行分割操作，图像分割质量高低直接关系到图像最终的分析与结果处理，决定了工作人员对病害图像的理解程度。由于当前图像分割操作不存在通用分割方法，也不具备科学的成功分割基础操作标准，因此工作人员需要根据图像的具体特征，有针对性地采用合适的图像分割方法。

1.4病害特征提取

颜色特征提取。颜色作为人们直接感官彩色图像时最为明显的特征，具备较好的自适应性，不会受到外界因素太大干扰。通常使用的颜色特征有颜色直方图、颜色矩以及颜色集等。其中颜色直方图能够将颜色空间进行平衡分割，科学计算判断出不同颜色在图像像素点中实际占比率；颜色矩则可以充分展现出图像颜色的分布情况，因为图像颜色分布信息主要集中在低阶矩中，所有工作人员一般会使用一、二、三阶矩来呈现出图像的具体颜色分布；颜色集的应用工作过程是先将RGB颜色空间成功转化为视觉均衡的颜色空间，同时把颜色空间量化成数个bin，在色彩自动分割技术的辅助下实现图像的区域分割，不同区域通过使用量化颜色空间的某个颜色分量进行索引，这样就能够将图像表达为一个二进制的颜色集。

形状特征提取。图像形状特征表达主要以对图像中区域或者物体的划分为基础，农作物病斑的分类依据主要包括了颜色、形状以及纹理，病斑在不同阶段的发病期会呈现出不同的颜色状态、纹理特征提取也会相应受到图像清晰外界条件的影响。而病斑形状特征与颜色特征相比较会更加稳定，提取效果也优于纹理特征。当前形状特征提取内容主要涵盖了：几何特征、区域描述特征以及傅里叶形状描述符等。例如，几何形状特征指的是农作物病斑的面积、周长以及方向角等，它们的实际计算多数是基于目标的封闭轮廓线。

纹理特征提取。纹理特征主要被应用在基于内容图像检索工作中，工作人员可以根据提取到的某种纹理图像，有效查找出含有类似纹理的其他病害图像。图像识别领域普遍提取应用的纹理特征主要包含了Tamura纹理特征、小波变换和灰度共生矩阵表示的纹理特征等。其中Tamura纹理特征的6个分量就是心理学角度上纹理特征的6种属性，它们是方向度、对比度、粗糙度、规整度、线像度以及粗略度。

2.农作物病害种类识别

要想保证农作物病害的有效治理，就必须高效应用模式识别法展开对病斑的科学分类作业。当前被广泛应用在农作物病害识别的模式识别包括模糊识别技术与参数综合分析法。

2.1模糊模式识别

模糊模式识别方法的工作原理是通过应用模糊数学中的基础概念、原理以及方法去解决各种病害分类识别问题。模糊模式识别通过把识别对象、待识别类分别作为元素和模糊集，接着科学对元素和模糊集进行分类。其中，一般聚类算法的应用是按照农作物不同特征、相似性等关系，直接决定它们的所属种类。所以，工作人员在应用该算法时必须根据实际问题进行病害特省的提取，有效建立起模糊集的隶属度函数，明确农作物关系的相关程度，最后合理应用模糊数学的对应原理方法进行分类识别。

与传统模式识别方法相比较，现代模糊模式识别方法的优势在于其表达出的客体信息更为科学合理，满足于工作人员对信息的利用需求，模糊识别算法较为简单，具备了良好的稳定性和高推理能力。

2.2参数综合分析法

一般情况下，工作人员在利用图像处理技术对农作物病害进行识别作业时，为了减少成本和时间，会选择应用单一参数分析方法，然而这种方式所识别出来的结果难以让人满意。因此，工作人员为了获取高质量的农作物病害识别分类效果，就必须综合多种参数进行病害识别，不断提高参数算法的准确性和强健性。随着时间的推移，我国硬件技术也得到了不断完善，各种优化算法得到了改进，通过综合采用多种识别算法能大大提高识别质量。

当前，已知存在的参数结合分析法主要包括了颜色与纹理结合法、颜色与形态结合法以及颜色、纹理和形状三者结合的方法。例如，在颜色与纹理特征结合内容上，有很多研究人员通过利用color co-occurrence method这一研究方法，该方法能够确保同时有效提取出颜色参数和纹理特征参数，然后在神经网络技术的辅助下，高效优化结合颜色参数和纹理参数，从而不断提升农作物病害识别效果。基于我国科学技术的不断发展，市场软硬件技术的不断完善，越来越多的学者开始积极探索结合应用颜色、纹理以及形状3种参数进行农作物病害识别，这样做的目的是为了打破传统单一参数分析法的局限性，最大程度提高病害识别的准确率，虽然研究过程要涉及众多程序，加大了研究成本，但是为了更好地服务于农业发展，这一切都是值得的。

3.结语

综上所述，要想保障我国农业行业稳定持续的发展，不断提高农作物的产量，就必须充分利用好图像技术，加强对农作物病害的识别工作。工作人员要针对农作物的具体病害，合理选择出最佳的识别方法，对病害特征进行提取和识别，明确其种类，从而帮助务农人员采取有效的病害解決措施，促使农作物健康地成长发育。