[发明专利]一种温室蔬菜叶部病害图像自动识别方法

说明书

技术领域

本发明涉及一种图像自动识别方法。特别是涉及一种采用计算机图像处理技术的智能化温室蔬菜叶部病害图像自动识别方法。

背景技术

设施蔬菜是指露地不适于蔬菜作物生长的季节或地区，利用温室等特定设施，人为构造适于蔬菜生长的环境，根据人们的需要，有计划地生产优质、高产、稳产的蔬菜的一种环境调控农业。“十一五”期间，我国设施蔬菜取得了迅猛的发展。截至2010年底，我国设施蔬菜年种植面积估计约达466.7万hm²，分别占我国设施栽培的95%和世界设施园艺80%的面积，现在仍以每年10%左右的速度在增长。目前，我国设施蔬菜产值已达7000亿元，分别占蔬菜和全国种植业总产值的65%和20%以上，全国农民人均增收接近800元，占农民人均纯收入的16%，提供了近4000万个就业岗位，已成为我国许多区域的农业支柱产业。

设施蔬菜病虫害发生种类繁多，且病害多于虫害。蔬菜生产中病害主要有霜霉病、灰霉病、瓜类枯萎病、白粉病、根结线虫病等；虫害主要有温室白粉虱、烟粉虱等，病虫害造成的损失一般为10%～30%，严重的可达50%以上，给菜农带来较大的经济损失。

机器视觉技术通过各种成像系统实现图像信息的采集，由计算机利用图像处理技术来提取和解释采集对象的特征，结合各种模式识别算法，可以对对象进行定量、定性的描述和分析，在植物病害诊断方面得到了广泛的应用。植物感病以后引起植物外部形态改变，产生病斑，反映在图像上则会形成颜色、纹理、形状特征的差异。这些差异为利用机器视觉技术和图像处理技术诊断植物病害提供了依据。

基于计算机视觉的农业病虫害图像识别通过病害的颜色、形态等特征，利用计算机视觉、图像处理和分析等技术来进行识别。其识别过程简单、快捷、准确，操作过程及对设备的要求也相对简单，不受人员的经验、情绪等主观因素影响，但在识别准确率和识别效率有待提高。随着图像处理技术和模式识别技术的发展，使计算机视觉技术应用于农作物病害的识别取得了很大的进步。然而，现有的农作物病害检测的方法中，图像获取多是在理想的特定背景条件下采用单一的确定的图像采集方式，有的甚至是将病叶采摘以后放在特定的背景后进行拍照，不具备广泛的实用性。

发明内容

本发明所要解决的技术问题是，提供一种针对不同作物的病害，利用计算机视觉技术，采用图像识别算法，实现对蔬菜叶部病害的智能化自动检测的温室蔬菜叶部病害图像自动识别方法。

本发明所采用的技术方案是：一种温室蔬菜叶部病害图像自动识别方法，包括如下步骤：

1）对蔬菜叶部病害进行图像采集；

2）自动生成阈值：采用二维最大熵原理，结合图像的平均灰度级别和邻域内灰度级别进行估计，并利用差分进化算法对自动生成的阈值进行优化，取30次以上的独立运行的差分进化算法优化后的结果的平均值作为图像分割用的阈值；

3）利用阈值对已知蔬菜叶部病害图像进行分割，获取病斑区域的图像；

4）分析病斑的特征，获得蔬菜叶部病害图像病斑的颜色、纹理、形状特征参数；

5）对步骤4）获得的病斑特征进行融合，并进行病害种类特征识别。

所述的图像采集为完全人工现场采集方式或人工现场采集和远程监控采集相结合的方式。

步骤2）所述的自动生成阈值，具体包括：

（1）读入图像数据，利用图像读取函数将采集到的彩色图像文件读入到自定义的变量Img中；

（2）将变量Img转换成灰度图像格式，并把它存放到自定义的变量grayImg中；

（3）设置表示邻域大小的k值，k的取值为3或5或7；

（4）计算变量grayImg的邻域内平均灰度级别g(x,y)，其中(x,y)表示图像中的第x行，第y列位置，所述平均灰度级别g(x,y)的取值为灰度值；

（5）统计grayImg内的灰度级f(x,y)=i的像素的个数，其中i的取值为灰度值，以及统计grayImg的邻域内平均灰度级g(x,y)=j的像素的个数，其中j的取值为灰度值；

（6）利用二维最大熵法计算grayImg中整个二维直方图的联合概率p_ij；

（7）设定差分进化算法交叉率CR，缩放因子F，种群大小NP和差分进化算法终止条件；

（8）利用元组(i,j)生成用于差分进化操作的初始种群，其中i表示像素(x,y)的灰度级，j表示(x,y)邻域平均灰度级；

（9）进行差分进化变异操作；

（10）进行差分进化交叉操作；