遗传算法改进的KSW熵法计算黄瓜叶部角斑病密度

[目的]去除复杂背景影响,提高角斑病病斑分割精度和速度。[方法]首先对预处理后的b*通道图像采用大津法进行初分割,去除大部分背景和噪声。再对目标部位的灰度图,用基于遗传算法改进的KSW熵阈值分割法进行二次分割,得到病斑的二值图像,并计算病斑面积,最后与叶片面积做比得到病斑密度。[结果]该方法计算的病斑密度与方格板手动计算的结果的绝对误差约为0.02,而病斑的分割速度提高了45%以上。[结论]该方法为黄瓜角斑病病害程度自动诊断提供技术依据。     

大豆病斑智能识别无损预处理及其特征提取方法的研究

以大豆病叶为例,针对在采集叶片图像过程中出现的几何失真问题,提出了基于投影模型的植物叶片校正算法,测量准确性只与校正方法有关,不受其他背景因素影响。在精确校正的基础上,又实现了叶片病斑区域的特征提取与计算,实验结果表明,该方法校正精度达99%,病斑区域提取精度达100%,为进一步的病害诊断奠定了先期基础。     

基于光源不变图和聚类算法的叶片阴影中病斑的分割

【目的】提出了一种基于光源不变图的病斑分割方法,以提高病斑识别程序的准确性和稳定性。【方法】将阴影区和非阴影区视为不同光源照明,通过最小熵法计算原图的光源不变图,在该图上采用K均值聚类算法对病斑进行分割,以采集的病斑叶片为材料,对该方法的处理效果进行验证。【结果】比较光源不变图法和H分量法的处理结果后发现,采用光源不变图法处理病斑不同区域的平均差异较H分量法更低,仅为10.7%;聚类分割算法对使用光源不变图法处理病斑图像的分割准确率为95.0%,较H分量法具有更高的正确率,且误检率更低。【结论】采用光源不变图法对病斑图像处理的效果好、性能稳定,同一目标在不同光照条件下处理结果的一致性较高。     

基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级

为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题，基于PlantVillage数据集中的葡萄黑腐病图像，提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时：一方面，采用自适应软阈值化方法消除噪声影响，提高葡萄病斑边缘的分割精度；另一方面，采用长、短连接结合的方式构建UNet++中的跳跃式连接结构，降低模型的计算复杂度。同时，在模型的横向输出层中融合多尺度特征，增强病斑的语义信息，进一步提高目标分割精度。在该模型的损失函数中，将Dice损失函数和交叉熵损失函数进行线性加权组合，以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示，本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明，本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割，以及病害程度分级，具有良好的稳健性。     

基于神经网络的大豆叶片病斑的识别与研究

综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层BP神经网络,实现了大豆叶片中病斑的自动识别与特征计算。首先通过计算机视觉技术采集叶片图像。其次,采用BP神经网络完成了对病斑图像的识别。最后,运用数字图像处理技术完成了对病斑区域相关特征值的计算。实验证明,该方法能有效地识别出病斑区域,识别率可达100%。该研究为将来病种的识别提供了理论依据。     

基于显著性目标检测的葡萄叶片病害分割

为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上...     

基于改进Bernsen 二值化算法的 植物病害叶片病斑检测

针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。     

一种基于Photoshop的叶片相对病斑面积快速测定方法

[目的]提出一种利用Photoshop软件快速测量作物叶片相对病斑面积（RLA）的新方法。[方法]利用相机或扫描仪等获取病叶图像后,直接利用Photoshop软件显示病斑及整个叶片的像素,利用像素数计算出图像中的叶片相对病斑面积。[结果]分别通过1组检验试验和重复测量试验来验证该方法,发现该方法准确,重复性好,误差小。[结论]与利用其他软件求RLA方法相比,该方法简单,快速,准确且便于操作,具有广阔的应用前景。     

大豆灰斑病及大豆食心虫的发生与防治

一、大豆灰斑病大豆灰斑病又称蛙眼病、褐斑病或斑点病,主要危害大豆的叶片及籽粒,该病是一种间歇性流行病害,近年来,由于大豆重茬面积的增加,灰斑病的发生愈来愈严重。一般发生年可使大豆减产12%～15%严重发生年可减产30%,个别可达50%。同时,灰斑病还严重影响大豆品质,灰斑病粒脂肪含量降低2.9%,蛋白质降低1.2%,百粒重降低2 g左右。1、病害症状大豆灰斑病病原菌主要危害成株期叶片,也可侵染茎、荚及种子。带菌种子长出的幼苗和子叶片出现圆形或半圆形深褐色凹陷斑,气候干燥时,病斑扩展缓慢。当气候适宜、低温多雨时,病斑可蔓延至生长点,使幼苗枯死。成株叶片染病后,初现褪绿色小圆斑,逐渐发展成为中间灰色至灰褐色,四周褐色的蛙眼状斑,大小1～5mm,有的病斑椭圆形或不规则形。潮湿时,叶片背面病斑中央生出密集的灰色霉层,为该病菌的分生孢子发病重时,病斑布满整个叶片,病斑融合,     

基于环境信息和颜色特征的作物叶片病害等级识别算法

为了根据作物不同病害程度等级采取不同防治方法,实现作物高产和减少环境污染,提出了一种复杂背景下的作物叶片病害等级分类算法。首先,利用阈值分割法对黄瓜病害叶片图像进行病斑分割;其次,计算病斑区域中像素个数与病叶区域中像素个数的比值;最后用作物病害等级分级标准进行比较来确定病害等级类别。利用该方法在2种作物5种常见病害叶片图像数据库上进行了病害等级分类试验,识别精度高达92.7%。结果表明,该方法对作物病害叶片等级分类是有效可行的。     

基于直觉模糊C均值聚类算法的作物病害图像分割

针对作物病害图像的病斑分割问题,提出一种直觉模糊C均值(Intuitional Fuzzy C-means,IFCM)聚类算法。通过引入隶属度、非隶属度和犹豫度3个参数来表示模糊集,从而定义了用来表示模糊集的模糊度的直觉模糊熵(IFE)这一概念,对传统的FCM算法进行改进,克服了FCM算法分割时计算目标函数容易陷入局部极小值,而且聚类数目需要提前设定初值的缺点。将预处理过的作物(以黄瓜为例)病害叶片图像作为研究对象采用该改进算法进行病斑图像分割,得到了很好的分割效果。与其他分割方法进行比较,结果表明该算法分割出来的作物病斑图像准确率高达94%以上,分割效果明显。     

基于遗传神经网络的植物叶片病害特征提取的研究

为提高作物病害定量、快速、准确识别,以大豆褐斑病为例,综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层前馈遗传神经网络,实现了大豆褐斑病的识别与特征计算。本技术首先通过计算机视觉技术采集叶片图像,尔后,采用遗传神经网络完成了对病斑图像的识别,最后运用数字图像处理技术完成了对病斑区域相关特征值的计算,实验识别准确率达100%。     

基于WT-Otsu算法的植物病害叶片图像分割方法

植物病害叶片图像分割是植物病害识别和植物分类的基础。为了解决作物病斑叶片的分割效率和实时性,在小波变换(wavelet transform)和Otsu法的基础上,提出一种基于WT-Otsu算法的植物病害叶片图像分割方法。首先,利用二维小波变换提取作物病斑图像的边缘点;其次,利用Otsu法在这些边缘点搜索最佳分割阈值;最后,利用该阈值分割图像。利用该方法在真实辣椒病害叶片图像上进行了分割试验,结果表明,该方法对病害叶片图像分割有效可行。     

1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。     

大豆灰斑病发病症状与防治方法

<正>大豆灰斑病又称蛙眼病、褐斑病或斑点病,主要危害大豆的叶片及籽粒,该病是一种间歇性流行病害,近年来,由于大豆重茬面积的增加,灰斑病的发生愈来愈严重。一般发生年可使大豆减产12%~15%,严重发生年可减产30%,个别可达50%。同时,灰斑病还严重影响大豆品质,灰斑病粒脂肪含量降低2.9%,蛋白质降低1.2%,百粒重降低2 g左右。一、大豆灰斑病发病症状1、大豆灰斑病病原菌主要危害成株期叶片,也可侵染     

大豆灰斑病的发病症状与防治对策

<正>大豆灰斑病主要危害大豆的叶片及籽粒,该病是一种间歇性流行病害,近年来,由于大豆重茬面积的增加,灰斑病的发生愈来愈严重。一般发生年可使大豆减产12%~15%,严重发生年可减产30%,个别可达50%。1.病害症状大豆灰斑病病原菌主要危害成株期叶片,也可侵染茎、荚及种子。带菌种子长出的幼苗和子叶片出现圆形或半圆形深褐色凹陷斑,气候干燥时,病斑扩展缓慢。当气候适宜、低温多雨时,病斑可蔓延至生长点,使幼苗枯死。成株叶片染     

复杂背景下基于AD-GAC模型和最大熵阈值法的叶片病斑分割

旨在研究复杂背景下叶片病斑的分割。由于复杂背景会带来巨大的噪声,产生过多的边缘和灰度值不均匀的区域,很容易导致过分割的现象,因此在复杂背景下,很难通过1次分割就完成对叶片病斑的分割。为了解决复杂背景下过分割的现象,提出两步分割的策略。第1步先用笔者提出的各向异性扩散测地线活动轮廓模型(anisotropic diffusion geodesic active contour model,简称AD-GAC模型)进行预分割,在此过程中构造新的边缘检测函数(edge stop function,简称ESF);第2步通过最大熵阈值法完成最终的分割。随后,提取并计算预分割部分各像素灰度值的最大熵,以得到病斑部分与叶片部分的灰度值阈值,通过阈值来完成最后1步的分割。通过MATLAB仿真,可以证明该算法可以有效地将病斑从复杂背景下的叶片上分割出来。研究结果后续的病斑识别作了铺垫。     

云南主栽核桃品种对炭疽病的抗性评价

为云南地区核桃抗病品种选育和炭疽病的防治提供依据,采用离体叶片接种法,评价云南主栽37个核桃品种对胶孢炭疽菌的抗病性,对接种5d后叶片上出现的病斑面积进行聚类分析。结果表明:大泡核桃1叶片上未出现病斑,云新90303叶片上病斑面积最小,为8.50mm2,而扎343叶片上的病斑面积最大,达1 075.92mm2;采用ward最小偏差平方和法和欧式距离进行聚类分析,其聚类与接种结果吻合度最好。以欧式距离5作为聚类距离分割点,将37个核桃品种分为15个抗病品种,9个中抗品种,7个中感品种,5个感病品种和1个高感品种。     

基于颜色特征和差直方图的苹果叶部病害识别方法

识别苹果病害是一个重要的研究课题,该研究成果对大面积苹果病害监测具有重要意义。针对苹果常见的3种叶部病害,提出一种基于颜色特征和差直方图的苹果叶部病害识别方法。首先采用改进的mean-shift图像分割算法分割病害叶片图像的病斑,然后计算病斑的颜色特征和差直方图作为病害的分类特征。该特征不仅反映病斑图像的灰度统计信息,还反映病斑图像的空间特征和灰度的渐变度,而且对病斑图像的光照、平移、旋转具有不变性。最后利用支持向量机识别病害类型。在3种常见苹果叶部病害叶片图像数据库上的试验结果表明,该方法能够有效识别苹果常见的叶部病害,平均识别率高达96%以上。该方法为苹果病害的智能诊断系统提供了技术支撑。     

大豆灰斑病的发生与防治

正大豆灰斑病又称斑点病,豆荚从嫩荚期开始发病,鼓粒期为发病盛期,7~8月遇高温多雨发病重。主要危害叶片,严重发病时几乎所有叶片长满病斑,造成叶片过早脱落,大豆品质降低。近年来,由于大豆重茬面积的增加,灰斑病的发生愈来愈严重。一般发生年可使大豆减产12%~15%,严重发生年可减产30%,个别可达50%。同时,灰斑病还严重影响大豆品质,灰斑病粒脂肪含量降低2.9%,蛋白质降低1.2%,百粒重降低2 g左右。