基于机器视觉的马铃薯晚疫病快速识别

• 作者: 党满意 孟庆魁 胡耀华 谷芳 顾彪
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 机器视觉 图像处理:病害 马铃薯晚疫病 特征提取 快速识别
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 193-200
• 页数: 8页
• 分类号: S24
• 字数: 5686字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.02.023

摘要

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收.因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义.该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价.在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5％.利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5％与80％.利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90％,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50％.针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90％和92.5％.通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s.该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷芳	西北农林科技大学机械与电子工程学院	20	39	3.0	5.0
2	顾彪	西北农林科技大学植物保护学院	3	45	2.0	3.0
3	党满意	西北农林科技大学机械与电子工程学院	1	1	1.0	1.0
4	孟庆魁	西北农林科技大学机械与电子工程学院	1	1	1.0	1.0