基于图像和光谱技术的果实识别与病害检测方法研究

发布时间：2017-12-23 18:29

本文关键词：基于图像和光谱技术的果实识别与病害检测方法研究　出处：《西北农林科技大学》2017年博士论文　论文类型：学位论文

【摘要】：果园中不同成熟度果实的识别以及果实病害检测,对果园精准管理和高效生产具有重要的意义。在光照不均、互相遮挡等复杂条件下,成熟前绿色柑橘的识别、蓝莓不同生长阶段果实的识别,能为果农提供可供参考的果实产量信息,帮助他们合理分配劳动力;柑橘黑斑病具有传染性,需要及时准确的检测染病果实,以便对病害进行控制,降低病菌传染风险。国内外研究已经取得了许多成果,但仍存在绿色未成熟果实因与枝叶等颜色相似而难以识别、同一簇蓝莓果实成熟度识别困难以及果实收获前的黑斑病检测精度和黑斑病类型识别尚无有效方法等问题亟待解决。本文以绿色未成熟柑橘果实的识别方法、柑橘黑斑病的识别检测及不同生长阶段蓝莓果实的识别等为研究重点,研究并提出或改进检测或识别方法,为果园采摘机器人及果园精准管理提供技术支持。论文主要研究内容和结论如下:(1)针对绿色柑橘和背景颜色相近且存在遮挡、重叠及光照不均而难以对果实进行有效识别的问题,研究并提出基于颜色特征和基于绝对值求和函数Sum of Absolute Transformed Difference(SATD)算法的绿色柑橘果实识别方法。通过对绿色柑橘和背景颜色特性的分析,提出一种自适应的RB色差图,根据实际光照情况进行图像增强,以移除背景区域的同时尽可能多的保留绿色果实区域;结合灰度值信息,利用基SATD的模板匹配方法,检测出潜在果实区域。为剔除因颜色相似或者受光照影响而被错误保留下来的非果实区域,通过对果实与背景纹理特征的分析,优选出6个纹理特征用于剔除错误识别为果实的区域,并统计果实个数。试验结果表明,在光照不均、遮挡或重叠严重、果实大小各异等情况下,本文方法对于绿色未成熟柑橘果实的识别准确率达83.44%,误识别率为10.71%,取得了良好的识别效果。(2)提出利用可见/近红外光谱检测黑斑病的方法。通过对光谱仪采集340～1030 nm的柑橘健康与感染黑斑区域的光谱进行分析,在探明健康和黑斑病不同症状光谱特性的基础上,提出主成分分析结合特征排序的方法,选择出可识别染病与健康样本的最优波长(525nm)并建立SMO分类模型;基于序列浮动前向选择方法优选选择出4个特征波长(678、740、794和879 nm),建立C4.5算法识别模型对橘柑黑斑病3种症状进行识别。试验结果表明,用525 nm波长建立的SMO分类模型对健康和染病果样本的识别率达99.37%,硬斑型、破裂性和黑斑型的识别率分别为81.85%、71.88%和67.57%,3种症状的平均识别率为73.77%,比前人方法提高了 12.77个百分点,可为田间快速检测黑斑病及斑病不同症状提供参考。(3)提出基于高光谱图像的柑橘黑斑病的检测方法。根据柑橘收获前需要在果园中检测黑斑病的需求,建立了目标果实静止而相机移动的高光谱图像采集平台以获取柑橘果实高光谱图像。对获得的高光谱图像进行预处理后,通过对健康与不同症状染病样本的光谱反射率曲线的分析,利用主成分分析结合特征排序的方法,得到区分健康与黑斑病的植被指数,采用核支持向量机(kernel SVM)分类器建模并通过10折交叉验证结果表明,核支持向量机识别模型识别健康与黑斑病的正确识别率为98.41%,优于径向基函数网络(98.08%)和K-近邻法(97.73%)识别模型;为进一步识别染病类型,优选出特征波长769、794和893 nm,构建植被指数识别破裂型症状,并用红边位置特征REP对硬斑型和黑斑型症状进行分类。为了验证选择的最优波长和植被指数对健康果实以及黑斑病3种不同症状的识别能力,分别用随机森林(RandomForest)和RBF构建分类器。试验结果表明,随机森林的平均正确识别率为83.83%,略低于RBF模型的正确识别率84.62%。RBF分类器对破裂型病斑的正确识别率达到90.63%,硬斑型和黑斑型症状的识别率分别为84.07%和74.05%。(4)针对同簇生长的蓝莓果实通常处在不同的生长阶段,提出基于颜色特征分析的蓝莓不同成熟度果实识别方法。对于彩色RGB图像,通过对各成熟阶段果实的颜色特性分析,结合图像融合,将目标对象分为成熟和近似成熟果实区域,及包含未成熟果实的背景区域。用B-R融合方法对成熟与近似成熟果实进行分割;从未成熟果实与背景2类目标的12个颜色特征中优选出3个颜色特征(B、H、V),并构建KNN、NB、C4.5和Random Forest分类器,将未成熟果实从背景中提取出来。试验结果表明,基于上述颜色特征,C4.5算法对成熟和近似成熟果实的正确识别率分别为89.22%和85.61%,而未成熟果实的正确识别率仅为68.98%。对于多光谱图像,根据归一化植被指数NDVI与对各颜色分量的分析并利用C4.5算法构建分类器,结果表明,基于多光谱图像的成熟、近似成熟以及未成熟果实像素正确识别率分别为74.58%、79.91%和86.52%。分析用RGB图像和多光谱图像的识别结果表明,用RGB图像基于颜色特征分析方法对成熟和近似成熟果实的识别率较高,而用多光谱图像基于NDVI和颜色分量结合C4.5算法构建的分类器对于未成熟果实具有较好的识别效果。
【学位授予单位】：西北农林科技大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：S66;S436.66;TP391.41

【参考文献】