該研究旨在開發(fā)基于機器視覺技術(shù)的稻瘟病病程分級系統(tǒng),實現(xiàn)對稻瘟病病程分級準確、客觀的判定。提出基于GrabCut、高斯濾波、OTSU二值化、顏色空間轉(zhuǎn)換、閾值切割等處理的稻瘟病分級判定算法模型,該算法模型利用OpenCV與python語言實現(xiàn),以反向閾值切割為核心策略分離葉片與病斑,再以循環(huán)遍歷模式統(tǒng)計像素點得出病斑面積占比,實現(xiàn)對稻瘟病的快速、精確分級。試驗結(jié)果表明,該算法模型與專業(yè)研究人員人工判定的結(jié)果匹配度達95.77%,相對于人工判定,具備更高的穩(wěn)定性和客觀性。目前對稻瘟病病程分級主要依賴研究人員通過經(jīng)驗判定,客觀、準確的判定病程對防治稻瘟病具有重要意義。該系統(tǒng)以手機APP為圖像采集端口,不依賴其他儀器和設(shè)備,通過手機拍照即可實時獲得稻瘟病精確的分級結(jié)果,降低了研究門檻,提高了科研工作的效率。 

【文章來源】：農(nóng)學學報. 2020,10(10)

【文章頁數(shù)】：8 頁

【部分圖文】：

系統(tǒng)架構(gòu)圖

本試驗研究目標是通過機器視覺技術(shù)獲取稻瘟病圖片中病斑占葉片總面積的比例，將結(jié)果對應(yīng)稻瘟病分級標準，最后獲得分級結(jié)果。首先從試驗圖片中提取感興趣的目標區(qū)域，將水稻目標葉片從背景中分離出來；然后對目標區(qū)域圖片預(yù)處理，降低目標圖片噪音干擾，將降噪后的圖片轉(zhuǎn)換為HSV通道，對目標圖片在HSV顏色通道下的色彩分布進行分析，確定閾值范圍，最后反向閾值切割圖片獲取病斑區(qū)域計算面積占比。具體稻瘟病分級判定算法流程如圖2所示。1.3.1 目標圖像與背景分割

普通相機或手機拍攝的圖像通常為RGB通道，但RGB通道并不能很好地反映出物體具體的顏色信息，相對于RGB空間，HSV空間能夠非常直觀的表達色彩的明暗、色調(diào)、以及飽和度，方便進行顏色區(qū)間的獲取。因此本文對稻瘟病病斑的提取方式采用HSV顏色空間下的閾值切割實現(xiàn)，閾值切割通常是對HSV顏色空間下一定取值范圍內(nèi)的顏色進行捕捉，但經(jīng)觀察可發(fā)現(xiàn)稻瘟病的病斑往往不是單一的黃色。較大的病斑通常邊緣呈現(xiàn)黑色，病斑內(nèi)部枯黃色，較小的病斑呈現(xiàn)淡黃色沒有黑色邊緣。若直接對黃色范圍內(nèi)的顏色分割會產(chǎn)生較大的誤差，因此本研究提出反向閾值切割法，將葉片健康的綠色部位作為閾值搜索范圍，切割去掉病斑部分的葉片圖像標記為img＿n，將完整全葉圖像標記為img＿N，兩者相減所得差即為病斑部分。具體實現(xiàn)步驟如下：(1）顏色空間轉(zhuǎn)換。顏色閾值切割需在HSV顏色空間下進行。通過手機拍攝的圖片通常為RGB通道，可利用Open CV中的cv2.cvt Color函數(shù)實現(xiàn)圖像由RGB轉(zhuǎn)為HSV通道[13-15]。

【參考文獻】：
期刊論文
[1]基于Android的水稻葉片特征參數(shù)測量系統(tǒng)[J]. 路艷,肖志勇,楊紅云,周瓊,孫玉婷.  南方農(nóng)業(yè)學報. 2019(03)
[2]基于RGB顏色空間的冷凍豬肉儲藏時間機器視覺判定[J]. 李文采,李家鵬,田寒友,鄒昊,劉飛,白京,張振琪,王輝,王守偉.  農(nóng)業(yè)工程學報. 2019(03)
[3]基于OpenCV的木材表面缺陷檢測系統(tǒng)設(shè)計與實驗驗證[J]. 張發(fā)軍,明曉杭,宋鈺青,鄧安祿.  機械工程師. 2019(01)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的玉米病害識別[J]. 劉永波,雷波,曹艷,唐江云,胡亮.  中國農(nóng)學通報. 2018(36)
[5]基于機器視覺形狀特征參數(shù)的祁門紅茶等級識別[J]. 宋彥,謝漢壘,寧井銘,張正竹.  農(nóng)業(yè)工程學報. 2018(23)
[6]基于計算機視覺的原木高出材率的研究[J]. 鐘平川,王娜,肖一荻,鄭澤忠.  計算機科學. 2018(S2)
[7]水稻新品種對稻瘟病和稻曲病的綜合抗性評價[J]. 曾慧芳.  福建農(nóng)業(yè)學報. 2018(08)
[8]計算機視覺在水稻大面積制種中的應(yīng)用研究[J]. 莫洪武,萬榮澤.  農(nóng)機化研究. 2019(03)
[9]基于OpenCV的畸形馬鈴薯識別方法[J]. 汪成龍,陳廣財,陳國壯.  湖南農(nóng)業(yè)科學. 2018(04)
[10]基于Android平臺的水稻病害智能診斷關(guān)鍵技術(shù)研究[J]. 劉小紅.  安徽農(nóng)業(yè)科學. 2018(10)

碩士論文
[1]基于高光譜遙感的水稻稻瘟病分級檢測技術(shù)[D]. 謝凱.湖南農(nóng)業(yè)大學 2017



本文編號：3461402