基于机器视觉的冬枣病害检测

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3 2,建立SVM模型得到缩果病的分类正确率达到9 9.4%。该方法为冬枣病害的自动化分级提供了基础和依据。