早检测网-安全快捷的论文查重网站-8年实力经营

０ 引言

及时、有效地控治苹果树病害，其核心是早期发现病害及其种类。在传统果树种植中，往往依靠人为经验进行病害的诊断，虽然可以解决部分问题，但人眼分辨能力有限，当农户能够对其做出正确诊断时， 果树伤害可能已经很严重。随着电子信息技术的快速发展和计算机的大范围普及，计算机采集和处理图像在各个领域的应用越来越广泛。本文根据苹果树发病时叶片在颜色、纹理方面的差异性，采用计算机视觉技术，运用颜色模型对比方法，设计了一套苹果

树健康诊断系统，能够及时、有效地诊断苹果病害。

１ 计算机视觉技术

随着电子信息技术和计算机的迅猛发展，机器和计算机视觉在现代化农业上的应用越来越广泛。机器视觉和计算机视觉的核心是图像信息处理，而图像处理技术的硬件设计相对比较简单，只需对获取的图像进行特征值处理，然后利用处理器对数据进行深层次分析，并结合机器学习（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）和人工智能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｅｇｅｎｃｅ），设计和开发出智能监测系统，体现出计算机视觉技术的优越性。 计算机视觉系统是利用 ＣＣＤ 工业摄像机，结合图像处理技术和智能控制，实现人类双眼的视觉功能。 其将图像信息转变为数字信息，并加入人的情感计算去理解和识别图像，对检测对象进行判别。在日常生活中，计算机视觉在提取书本文字、虹膜识别、计算机、水果自动分等级、机器人自动导航及物流信息识别等的成功应用，说明采用计算机视觉技术模拟人类视觉是能够实现的。计算机视觉技术系统结构如图 １所示。

计算机视觉技术主要包括图像处理、模式识别及图像理解等 ３ 个方面。 １）图像采集处理：通过双 ＣＣＤ 摄像机，采集农田作物实时视频图像信息，然后进行分析处理。例如， 将采集到的图像进行初步处理，转化成有较高信噪比的图像。

２）模式识别：对前面处理过的信息进行再次处

理，对图片上其他障碍物去除噪声干扰，根据图像特性或结构信息，将图像进行分类，然后进行分割识别。 ３）图像理解：ＣＣＤ 获取的图像对图像理解而言， 不仅是对作业图片自身的描述，还具有深层次的内容信息。例如，人类可以通过观察作物叶片信息，了解到作物生长状况。其实，计算机也可以通过数据库信息描述和解释图像所代表的景物，然后通过对比图像内容给出决策。

２ 苹果树病害图像特征分析

２．１ 颜色特征分析

苹果黄叶病发病频繁，对苹果种植危害较大，主要表现形式有叶片发黄和叶肉黄两种，发病原因是缺氧和缺铁。当苹果树发病时，树叶会出现很多暗黄色的病斑，且整个叶片颜色会发黄，常常从苹果树下部向顶部发展。发病初期一般呈现淡绿色病斑，边缘出现浅黄色斑点，后面叶片有斑点发黄，如同枯叶一般。 由于在苹果树病害分析中其叶片图像颜色特征明显， 因此提取其叶片信息对分析苹果生理健康具有重要意义。苹果出现黄叶病时叶片颜色特征如图 ２ 所示。

２．２ 纹理特征分析 一般叶片部分区域常常会出现无规律现象，但对整个叶片而言却会有重复性结构，这些叶片信息就是纹理图像特征，能够很好地反映细节和宏观上的图像信息。当苹果树出现病虫害时，初发生在树冠下部和内膛叶片上，初现褐色小点，然后出现同心轮纹斑，后期叶片变黄，病部周围及背部仍保持绿褐色，病叶易早期脱落。因此，根据苹果树叶的轮纹纹理便可对图像对象描述和识别，判断果树是否发病。叶片纹理特征如图 ３ 所示。

３ 图像信息识别检测处理流程

３．１ 图像信息的获取

图像信息的获取主要通过 ＣＣＤ 工业摄像机获取， 并经图像处理系统将图像信息转换为数字信息，最后由计算机处理器获取的数字信息保存并处理。苹果

树叶片图像信息获取过程如图 ４ 所示。

３．２ 图像信息噪声的去除

由于果园环境比较复杂，还受天气状况影响，因此在实际应用中果树叶片信息获取常常不是在理想情况下进行的，甚至条件比较恶劣。因此，将灯光、环

境等因素所引起的噪声滤除，才能得到更好的原始图像。图像信息噪声去除前后对比如图 ５ 所示。

３．３ 边缘检测及阈值分割

边缘检测方法主要是利用空域微分算子进行的， 将检测模板与图像信息卷积完成。由于边缘的灰度值是断续的，图像的灰度值会不断变化，颜色也会常

常变化。叶片表面病斑就是所要检测的重点环节。 为了检测更加精准，本文采用两种边缘检测因子，利用两种因子相互结合作用的方法来获取得边缘病斑点的集合。边缘检测及阈值分割示意如图 ６ 所示。 图 ６ 中，Ｕ１ 、Ｕ２ 和 Ｕ３ 为叶片图像像素点。

４ 苹果树健康诊断系统

４．１ 苹果树叶病斑识别检测系统

针对苹果树叶病斑图像信息的诊断检测系统主要包括获取图像、去除噪声、边缘检测与阈值分割、图像修补、提取感兴趣区域、图像细化、特征测量和病变诊断等 ８ 个板块。首先是进行图像的采集和去噪工作，然后通过边缘检测和阈值分割对图像的识别和计算，最后对计算机处理的结果进行修正，从而提取出所需要的数据并做出准确的诊断。图像信息检测诊断系统流程如图 ７ 所示。

４．２ 苹果树叶病斑特征提取

在 ＣＩＥ 标准色度学，颜色一般用颜色模型表示。 颜色模型指在空间颜色坐标的可见光子集合，是所有颜色域的集合，常见有 ＲＧＢ、ＨＩＳ、ＬＡＢ 等。作物病害图像处理常常采用 ＲＧＢ 颜色模型，指的是颜色坐标系中 １ 个单位立方体，系统通过计算分析叶片颜色的深度层次，判定其健康情况。计算推导公式为 ｒ ＝ Ｒ ／（Ｒ ＋ Ｇ ＋ Ｂ） （８）ｇ ＝ Ｇ ／（Ｒ ＋ Ｇ ＋ Ｂ） （９）ｂ ＝ Ｂ ／（Ｒ ＋ Ｇ ＋ Ｂ） （１０）其中，ｒ、ｇ、ｂ 是 Ｒ、Ｇ、Ｂ 归一的结果，且满足且 ｒ＋ｇ＋ｂ ＝ １。一般认为 ｒ、ｇ、ｂ 是消除复杂环境光强差异后的颜色分量。根据三值计算，并结合面积加权直方图算法，可以分析作物病害图像纹理分布参数，作为作物病变的判断依据。 叶片病斑形状特征是判断病害种类的主要依据， 因此需要提取苹果树各种病害的叶片图像用于苹果树病害的分类。由于不同种类病害病斑形状各不相同，周长、面积、纵轴长、横轴长作为判断条件就不太可靠，因此选用形状复杂度 Ｓｃｏｍ、偏心率和圆形度等识别叶片病斑。计算公式如下： １）形状复杂度为。