基于机器视觉的马铃薯晚疫病快速识别

• Published in: 农业工程学报 Vol. 36; no. 2; pp. 193 - 200
• Main Authors: 党满意, 孟庆魁, 谷芳, 顾彪, 胡耀华
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学机械与电子工程学院,杨凌,712100%西北农林科技大学植物保护学院,杨凌,712100%西北农林科技大学机械与电子工程学院,杨凌 712100 15.01.2020; 陕西省农业信息感知与智能服务重点实验室,杨凌 712100; 农业农村部农业物联网重点实验室,杨凌 712100
• Subjects: 图像处理:病害; 快速识别; 特征提取; 机器视觉; 马铃薯晚疫病
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2020.02.023

S24; 晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收.因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义.该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价.在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5％.利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5％与80％.利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90％,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50％.针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90％和92.5％.通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s.该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据.