基于叶部病害图像的黄瓜病害检测方法

安琪

摘要：在复杂的背景下有效分割出黄瓜病害是解决黄瓜病害防治的关键问题。目前，基于病害叶片图像的病害检测方法很多，但各种方法各有优缺点。针对黄瓜常见的白粉病、炭疽病、根腐病3种病害叶片，对现有的分割方法进行对比分析，选择效果较好的FCM算法，首先利用病害葉片图像的H和S颜色分量对图像进行颜色聚类，然后利用FCM算法进行病害检测，最后以开闭交替运算去除毛刺达到平滑目标轮廓的效果，最后试验结果表明，所提出的病害检测方法是有效可行的。

关键词：病叶图像  病斑分割  病叶图像分割

1 引言

黄瓜是我国各地夏季主要栽种的蔬菜之一，黄瓜病害是影响黄瓜产量的重要因素之一，为了提高黄瓜的品质，对其病害及时进行防治，需要对其病害类型进行快速又准确的诊断。植物叶片是反应其受害的主要部分，根据黄瓜叶片的病变情况可以直观的判断出病害发生程度，便于进行防治。随着近几年各种算法的完善，以识别技术，视觉技术搭配图像处理方法为核心的病变叶片提取方法的研究开始被不断提出。

对于病斑图像分割的方法有很多，但大多数仅用于对某一类或某几类图像进行分割，例如聚类算法、K-Means、自适应算法等，但并没有一个直观点的对比分析，基于这种状况，本文在传统期望最大化的基础上将这几种方法用于黄瓜叶部病斑分割上并进行了对比分析，并在此基础上提出一种新的分割方法，为黄瓜叶部病害检测与识别系统提供有力的技术支持，同时也对其他植物的病害图像分割具有一定的参考价值。

2 病斑图像的特征选择

在图像分割中常用的颜色空间模型主要有RGB、HSV和HSI。由于H和S分量跟人体感受颜色的方法密切相关，所以研究选择与人眼视觉更相符合的HSI颜色空间模型。

RGB颜色模型转换到HSI颜色模型的公式如下：

在HSI颜色空间模型中，病斑区域所包含的颜色信息都存在于H、S分量中。从病斑的H和S两个颜色分量中可以看出病斑区域与正常区域有着明显差异，表明在HSI颜色模型中进行病斑区域分割可以取得较好的效果。

3 实验与分析

在MATLAB2017b平台上，选取黄瓜常见的3种病害（白粉病、炭疽病、根腐病）图像（图1-a）作为试验对象。通过FCM模糊聚类算法（图1-b）、Otsu方法（图1-c）、K均值聚类算法（图1-d）、以及阈值分割法（图1-e）来分割，并观察分割结果。

然后另选一组图片先将原始图像转换成HSI模型，通过H（图2-b）和S（图2-c）分量对图像来进行聚类。然后用FCM（图2-d）进行分割，最后采用开闭交替运算（图2-e）对毛刺以及孤立的点进行去除以达到平滑目标轮廓的效果。

由表1可知，FCM算法分割精度高，经过本文算法处理后的精度更高一点，表明本文算法对黄瓜病害叶片图像的分割效果较好。

4 结论与讨论

本文基于传统期望最大化对几种分割方法进行过对比分析，试验结果表明，K均值聚类算法由于选取的初始聚类中心是随机的，可能导致分割过程占用过程时间。Otsu分割仅针对单个目标或者感兴趣的目标进行分割，当待分割图像的灰度范围偏大时，会有一部分目标探测损失。相比较而言，使用FCM算法进行分割，再通过开闭交替运算减少噪声对聚类结果的影响的方法，在黄瓜病害叶片图像分割中具有较高的准确性和稳定性。

参考文献

[1]苏一峰，杜克明，李颖，孙忠富，郑飞翔.基于物联网平台的小麦病害诊断系统设计初探[J].中国农业科技导报，2016，18（02）：86-94.

[2]施文，邹锐标，王访，苏乐.基于多重分形的油菜病害叶片图像分割[J].湖南农业大学学报（自然科学版），2014，40（05）：556-560.