基于机器视觉的冬枣病害检测

• 作者: 傅隆生 冯亚利 孙世鹏 朱兆龙 李瑞 谢洪起
• 来源期刊: 农机化研究
• 学科: 农学
• 关键词: 病害检测 机器视觉 纹理特征 缩果病 冬枣
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 试验研究
• 页码范围: 183-188
• 页数: 6页
• 分类号: S126|TP391.4
• 字数: 3190字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-188X.2018.09.035

摘要

冬枣皮薄肉脆,富含维生素 C 和矿物质,深受消费者喜爱,目前冬枣的销量逐年增加,产业得到迅猛发展.但是,冬枣病害种类繁多,如日灼伤、炭疽病、轮纹病、裂纹病及缩果病等,采用人工分级方式成本高、效率低,严重制约了冬枣的产业化发展,可见研究冬枣病害的自动化检测方法具有重要意义.本研究对冬枣的轮纹病、日灼伤、炭疽病和裂纹病等黑斑类病害和缩果病病害采用机器视觉技术进行无损检测,利用单因素方差分析(one-way ANOVA)和费希尔最小显著差异检验(Fisher's LSD)获得有效识别黑斑类病害的颜色分量为 RGB 模型的 R 分量,HSB 模型的 S 分量和 L?a?b?的 b 分量,建立 Bayes 线性判别函数得到黑斑类病害的分类正确率达到89.6%.通过计算基于灰度共生矩阵的纹理特征对缩果病进行检测,探索纹理特征最优构造参数距离 d 为1,灰度级为32,建立 SVM 模型得到缩果病的分类正确率达到99.4%.该方法为冬枣病害的自动化分级提供了基础和依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱兆龙	西北农林科技大学机械与电子工程学院	8	30	3.0	5.0
2	李瑞	西北农林科技大学机械与电子工程学院	40	308	10.0	16.0
3	孙世鹏	西北农林科技大学机械与电子工程学院	7	50	4.0	7.0
4	冯亚利	西北农林科技大学机械与电子工程学院	5	14	3.0	3.0
5	谢洪起	西北农林科技大学机械与电子工程学院	2	8	2.0	2.0