基于计算机视觉的烟叶早期病斑分割及分类识别

发布时间：2020-10-19 09:58

　　 2018年全国烟草实现税利总额11145.1亿元,中国烟草行业的利税占据中国整个财政收入的十分之一左右。但每年因对烟草病害无法做到及时防控从而导致重大经济损失。我国中部地区常见的烟草病害为赤星病和蛙眼病,又以赤星病和蛙眼病的早期症状最为难分,经验不足的植保人员和农户无法正确判断两种早其病害,甚至做出错误施药方案,导致不能及时遏止病情,致使产量和收入大幅缩减。目前国内对烟草早期病害研究未有相关报道,烟草赤星病和蛙眼病发病速度快,病害从早期到晚期约一周,两种早期病害相似程度高,严重依赖植保人员的专业素质。当前研究成果普遍存在复杂背景下无法有效分割、只对中后期病害检测、依赖人工检验等问题。因此,亟需一种高效、准确的烟草早期病害自动检测识别方法,以解决上述问题。根据烟草赤星病和蛙眼病早期相似性大的特点,本文提出一种基于计算机视觉的烟叶早期病害分割及识别方法,对两种病害进行有效分割和识别判断,能提前约3天发现和确诊是那种病害,进行针对性人为干预,最大程度上降低损失。(1)作者在烟草大田采集实验所需的烟草赤星病和蛙眼病数据。选取合适时间点、合适拍摄距离、合适拍摄对象,使获取病害图像达到最好效果。对获取的图像进行Mean shift平滑处理和简单线性迭代聚类处理。(2)本文通过研究EXG超绿特征分割方法和HSV颜色空间的阈值分割方法,发现EXG超绿特征分割方法对图像中存在非绿噪声无法进行有效分割,HSV颜色空间的阈值分割方法对病斑区域和背景对比度差的情况下无法准确分割病斑区域。根据烟草赤星病和蛙眼病各个时期病斑表现特点,将视觉显著性引入到病斑分割过程中,提出基于种子点选取的显著性检测的分割方法,验证在复杂背景下分割病斑图像的可行性,并对比两种图像分割方法,通过实验验证该方法的有效性。(3)根据烟草赤星病和蛙眼病各个时期病斑表现形式的不同,提取病斑的颜色特征、形态特征和纹理特征,共获取28维特征参数。对获取的特征参数用粒子群算法进行优化,多次试验对比选取最优参数组,适应度为96.68,交叉验证率为93.21%,验证集识别率为96%,共13维特征参数。利用网格搜索法对SVM的参数进行寻优,并建立SVM分类模型,训练集900组,测试集300组,共1200组数据,对烟草赤星病和蛙眼病的早期病害识别率达到92%,两种病害的早中晚三个时期共6类的识别率达到96%,实验结果表明达到较好的识别效果。
【学位单位】：华北水利水电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;S435.72
【部分图文】：

2 烟叶病斑图像采集及预处理叶病斑图像采集草赤星病和蛙眼病表现特征及分级标准赤星病各个时期表现特征，根据以往研究表明引起烟草赤星病的病原菌菌[20]。一般赤星病在烟株打顶后进入成熟期发病；赤星病在发病初期外草叶片出现圆形斑点，其斑点的颜色多为黄褐色，此时进入发病中期，移和天气因素的影响其病斑逐渐变大且为褐色，之后发病速度呈指数倍渐扩散到整个烟株，此时烟草赤星病进入中后期，从病斑表面观察上，期有明显的轮纹，在病斑的周边与正常绿色叶片之间有黄色晕环，由于在赤星病的病斑表面出现黑色霉层。天气炎热干燥的情况下会造成病斑期的时候病斑扩大且连成一片的情况严重（多个病斑逐渐扩散并联合形，造成病叶焦枯脱落甚至绝收[21-22]。

0 0[0% 5%] 1[5% 10%] 2[10% 20%] 3[20% 30%] 4[30%] 5ASBSCSsDSESFS ，级标准，级标准，级标准，级标准，级标准，级标准其中 s 代表烟叶病斑的病斑区域的总面积，[ A F]代表每个时期的烟叶病斑的病斑区域总面积，S 代表整个叶片面积。2.1.2 烟叶病斑原始图像数据采集本文的研究对象为大田实际环境下的烟叶早期赤星病和蛙眼病病害叶片，以及跟踪拍摄所标记的赤星病和蛙眼病早中晚三个时期的烟叶病害图像。

（h） （i） （j） （k） （l）图 2-3 a-e 分别是烟草蛙眼病早期、中期、中期、晚期、烟草植株幼苗图像h-l 分别是烟草赤星病早期、中期、中期、晚期、复杂背景下图像Fig.2-3 a-e are images of frog-eye leaf spot of tobacco in the early, middle, middle, late and tobaccoplant seedlingsh-l are images of brown spot in the early, middle, middle, late and image against a complexbackground（a） （b） （c） （d） （e）
【参考文献】

相关期刊论文 前10条

1 关强;薛河儒;姜新华;;基于二维OTSU的田间植物图像分割方法[J];江苏农业科学;2015年12期

2 黄奇瑞;;基于FCM和SVM的TM遥感影像自动分类算法[J];华北水利水电大学学报(自然科学版);2015年04期

3 曹立耘;;烟草赤星病的发生与综合防治[J];乡村科技;2015年15期

4 王建玺;徐向艺;;基于图像处理和模糊识别技术的烟叶病害识别研究[J];现代电子技术;2015年08期

5 张红涛;孙志勇;田媛;侯栋宸;;基于多光谱图像融合技术的麦粒图像增强方法研究[J];华北水利水电大学学报(自然科学版);2014年06期

6 张红涛;胡玉霞;毛罕平;韩绿化;;基于近红外高光谱成像的粮虫生命体征检测研究[J];农机化研究;2014年08期

7 张红涛;李芳;胡玉霞;张恒源;;仓储害虫局部形态学特征提取方法研究[J];河南农业科学;2014年02期

8 魏朝霞;杨彩波;和慧;唐嘉义;;大蓟提取物对植物病原真菌的抑制活性[J];云南农业大学学报(自然科学);2014年01期

9 李学俊;赵礼良;;扁豆病害叶片的病斑剥离分割[J];计算机工程与应用;2014年23期

10 周翔南;王富强;蔺冬;;基于遗传算法的SVM冰凌预报模型研究[J];华北水利水电学院学报;2012年01期

相关博士学位论文 前2条

1 王志强;基于局部中心量度的聚类算法研究[D];华南理工大学;2018年

2 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年

相关硕士学位论文 前8条

1 滕娟;赤星病烟叶图像分割研究[D];吉首大学;2017年

2 曾嵘;自然光环境下马铃薯外部缺陷的无损检测方法研究[D];东华理工大学;2017年

3 王一丁;烟草花叶病害高光谱特征及其病害程度判别分析模型的研究[D];河南农业大学;2016年

4 徐红梅;基于SVM多分类判决的MPPSK信号检测研究[D];东南大学;2015年

5 汪京京;复杂背景下小麦病害图像分割方法研究及应用[D];安徽农业大学;2014年

6 李斐斐;基于机器视觉的烟叶除杂关键技术研究[D];南京理工大学;2014年

7 王健峰;基于改进网格搜索法SVM参数优化的说话人识别研究[D];哈尔滨工程大学;2012年

8 苏恒强;玉米病害图像识别系统的设计与实现[D];吉林大学;2010年

本文编号：2847057