基于图像识别的谷子病害研究

李艺嘉 朱 洋 刘鹏 张亮

[摘要]本文选取谷子常见的谷瘟病、锈病作为研究对象，以Matlb为研究平台，通过多种分割方法对比，选取最好的分割效果图。提取其颜色、形态、纹理特征，可以有效实现对谷子谷瘟病、锈病的区分。

[关键词]谷子病害;特征提取;病害分割;支持向量机

谷子作为我国北方重要的旱地粮食作物，不管从食物本身的营养价值，还是膳食结构调整都有着重要的作用。随着科技的发展，杂交谷子在不断更新换代，产量在不断提高的同时病虫害问题也接踵而至…。谷子锈病是真菌性疾病，其病发季节一般在高温多雨的8月上、中旬，发病率在20%左右，高温多湿条件下，谷子减产量可达到40%[2];谷瘟病发病部位较为广泛，从叶部白上而下侵染到穗部，谷瘟病病理特征与锈病都呈真菌性，发病季节多在高温多雨的夏初季节，平均发病率约为20%左右，如若不加强管理，会造成谷子的大面积减产。所以，病害的有效识别对病害防治以及尽早治疗都具有重要作用。

随着汁算机技术的不断发展，图像识别技术逐渐在农业病害方面大放异彩。师韵等[3]提取一种二维空间学习的识别方法，有效地完成了对3种苹果病害的识别。喻勇等[4]以烟叶的野火病和赤星病为对象，采用一种标准特征库的模糊识别方法。师韵等151采用一种主分量分析的降维方法，搭建BP神经网络，3种病害的平均识别率均达到94%以上。朱景福等[6]采用3种降维方法对玉米病害特征分量进行降维，对比分析LLE降维方法效果最佳，有效识别率达到99.5%。

1 图像拍摄及预处理

病害拍摄时间处于7月下旬，此时高温多雨，正处于病害滋生的高发季节。谷子锈病主要发病部位在叶部，其主要特点为两面不均匀生长红褐色病斑，其形状呈现椭圆状[7]。谷瘟病病斑特点呈现分层结构，中间呈灰白色，病斑边缘部分呈褐色，且病斑整体形状为椭圆形，谷瘟病图像见图1，锈病病斑图像见图2。拍摄时搭建白色底板，便于叶子病斑背景单一。经过中值滤波进行相关预处理，用于处理图片拍摄过程中存在的噪音问题，很好地保留了图片原有的边缘性。

2病斑分割

病害分割是图像处理的关键步骤，其目的在于把病斑提取出来，把不需要的部分（绿叶部分）剔除。根据图像其灰度部分呈现的特性不同一般有以下分类：一种是基于灰度阈值的分割方法，需要搜索全局阈值进行分割，灰度直方图可作为判别其是否实用的标准，常见的分割方法有大律法（ OSTU）、迭代分割;另一种是基于区域的分割方法，常见的分割方法为区域生长法，种子点的选取是其特性之一[8]。

2.1 大律法

大律法也称最大类间方差法，Matlab中使用Graythresh函数寻找最佳阈值。其实现过程如下：

（1）通过使用灰度图像直方图来统计像素点的数量，随后对直方图进行归一化处理，找出能把图像简单分类的灰度阈值，从而实现把图像分为前景和背景的目的。通过统计前景有关像素的平均灰度值μ0，进行归一化操作后，前景所占全图面积的百分比为ω0。;背景平均灰度值μ1，，背景所占全图面积ω1，。

（2）计算其类间方差：

（3）不断进行迭代，直到求得最大T值，作为最大类间方差的全局阈值。谷瘟病大律法分割二值见图3，锈病大律法分割二值见图4。谷瘟病病斑有两部分，Ostu分割方法仅提取了部分病斑，有一部分病斑未被提取出来，谷子锈病病斑部分完全没有被分割开来[9]。

2.2迭代分割

迭代分割与最大类间方差法类似，其实现过程如下：

（1）求得灰度直方图，基于逼近的思想，根据直方图先选择一个最初的阈值To。

（2）根据To，将图像分为G1和G2，并随即求得其平均灰度值m1、m2，计算出新的阈值T1：

Tl=（mo+m1）÷2

（3）不断进行迭代计算，直到平均灰度值mi、m）不再发生变化，即得到最佳阈值T。迭代分割在Lab空间中提取a通道分割的谷瘟病彩色病斑见图5，二值图像见图6;迭代分割在Lab空间中提取a通道提取的彩色图像见图7，二值图像见图8。从迭代分割的結果来看，虽然病斑被很好地分隔开，但是其边缘部分分割效果不佳，锈病分割效果较为良好，与原图对比，相关病斑部分都被分割开来[10]。

2.3 区域生长法

区域生长法是一种基于区域分割的算法，其最终目的是将具有相近灰度值的大小的像素点合并起来，形成一块块各白区域的过程。其实现过程如下：

（1）根据图像特性选择合适种子点。选取方法一种是根据病害的灰度图像，基于像素灰度值的大小，选择种子点;另一种是采用人工交互式的方法来实现。

（2）遵循其分割算法的生长规则，依据梯度特征的角度方向进而确定其区域生长的运动方向。实现过程：针对不同像素点对其进行标记操作，标记的像素点对应不同的灰度值大小。流程步骤：确定一个种子点，种子点往灰度值相近的像素点进行移动，随即得到其区域生长方向，直到最终像素区域内中不存在种子点随即停止生长。区域生长法在RGB空间下谷瘟病区域分割彩色病斑见图9，谷瘟病区域分割二值图像见图10，锈病区域分割彩色病斑见图11，锈病区域分割二值图像见图12。从区域生长法分割效果图来看，谷瘟病、锈病分割效果都相对较好。

3 特征提取及SVM识别

通过对以上几种分割算法的对比和分析，区域生长法的分割质量相对较高，根据病斑呈现特性，对其进行特征选择。颜色特征部分提取RGB三阶颜色矩，形态特征提取偏心率、宽长比等特征;纹理特征采用基于灰度共生矩阵的提取方法，提取能量、对比度、逆差距、二阶矩。特征类型共计18个特征，将特征参数导入支持向量机（ SVM）进行分类识别。

SVM适用于小样本的类别分类，SVM根据线性方程为判别依据，其目的为将存在大量样本数据的空间中划分出超平面。线性方程如下： WTX+b=0

（3） 式中：x为数据维度;W为垂直方向的法向量;h为超平面与原点间的距离大小。谷瘟病、锈病各选择50张图片作为训练集、20张图片作为测试集，交叉识别验证，识别结果见图13。

4 结论

本文针对谷子的谷瘟病、锈病，进行图像采集与病害识别，研究结果表明，谷瘟病的识别率为90%，锈病的识别率为100%，平均识别率为95%，能有效将谷瘟病、锈病进行区分。

参考文献

[1]张文英.谷子主要病害及其防治措施[J].现代农业科技，2013（2）：141-142

[2]鲍守礼.谷子锈病发生规律及特点初探[J].杂粮作物，2002 （2）：108-109.

[3]师韵，黄文准，张善文.基于二维子空[J]的苹果病害识别方法 [J]计算机工程与应用，2017 （22）：180-184.

[4]喻勇，张云伟，王静，等.基于计算机视觉的烟叶病害识别研究[J].计算机工程与应用，2015 （20）：167-171.

[5]师韵，王旭启，张善文，基于主分量分析的苹果叶部3种常见 病害识别方法[J].江苏农业科学，2016 （9）：337-340.

[6]朱景福，李雪，玉米叶片病害彩色图像识别的降维和聚类方法 [J]江苏农业科学，2016 （7）：350-354.

[7]丁菊梅谷子的主要病害及其防治技术[J]，农业技术与装备，2013（1）：68-70.

[8]莫国良.储粮害虫的防治技术研究[J]粮食科技与经济，2 018（6）：106-107。

[9]牛冲，牛昱光，李寒，等，基于图像灰度直方图特征的草莓病虫害识别[J]江苏农业科学，2017 （4）：169-172.

[10]刘维春，黄抱鸿.谷虫净综合防治储粮害虫试验报告[J].粮食科技与经济，1996 （1）：9-11.