[发明专利]一种基于随机森林法的向日葵病害识别方法

说明书

技术领域

本发明涉及及农业病虫害识别领域，特别涉及一种基于随机森林法的向日葵病害识别方法。

背景技术

众所周知，传统的病害诊断方法主要是植保人员通过肉眼识别，并结合植物病害的病原菌的形态进行判断，这种方法诊断效率低，很难及时、准确的判断病害类型。“精准农业”，为农耕者提供了新的思路，通过运用信息技术来快速有效的识别植物病害，相对于传统的识别方法，识别速度快、准确率高，还具有时效性。以苹果、黄瓜和辣椒等作物病害为例对植物叶部病害的图像进行分析，对于图像的颜色信息采用水平集和改进C-V模型研究，经验证这种方法大大提高了病害的识别率。

中国专利号为201510508653.5的公开文献中就提到，在不同季节下，采集了其它条件相同的植物病害叶片，研究环境信息对病害的影响，并采用图像处理技术和统计分析的理论，运用属性约简法提取环境信息特征量，并结合其形状特征、颜色特征、纹理特征共40个特征参量，以最大隶属度函数准则为基础，诊断黄瓜病害叶片上的霜霉病、褐斑病和炭疽病三种病斑种类，经诊断研究得出三种病害的识别准确率均在90％以上。

专利号为201610064181.3基于支持向量机的向日葵叶部病害判断方法的申请文献中，是根据RGB颜色模型，提取出向日葵病害图像的R、G、B颜色分量，G分量图像中病斑比较明显，病虫害病斑部分灰度值较正常部分灰度值偏差较大，以彩色图像的G分量作为诊断有无病害的主要研究对象，确定G分量判别阈值来，采用基于b值与支持向量机的正常与非正常叶片诊断、基于灰度共生矩阵与支持向量机的是否含有病害的非正常叶片诊断这两种方法来识别出输入向日葵叶部图像所属病害类别。但并没有采用随机森林法来具体研究向日葵叶部病害识别的详细过程。

综上所述的研究情况来看，利用图像识别技术代替人眼有利于克服人眼视觉病害识别时存在的主观性、经验性、效率低等特点，但是至今图像识别还未涉及到对向日葵病害诊断方面的研究。因此，在国内外研究成果的基础上，进一步研究基于图像识别的向日葵病害诊断具有重要的现实意义，传统的数据分类法有聚类算法、贝叶斯分类算法、支持向量机等，但这些方法的分类精度往往不高，而且还容易出现过拟合问题。而随机森林(RF)是基于统计学习的理论，对向日葵病害诊断具有更好的作用。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种基于随机森林法的向日葵病害识别方法，解决在病害识别过程中存在肉眼判断的主观性、局限性、模糊性及难辨的新病害的问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明的技术方案：对于生长在大田环境下的向日葵，图像采集要在自然光照下进行，采集到的叶片图像首先要经过预处理进行图像去噪操作，结合实际环境因素，采用邻域平均法、形态学自适应法去噪并用直方图均衡化法实现图像去雾处理；其次，经过比较五种图像分割方法后，采用K-均值聚类算法与分水岭算法相结合的方法分割图像病害，提取病害的病斑；再次，针对随机森林法的特点，对病害特征参数进行深入分析，选取其HSV颜色空间的H、S、V三颜色分量的一阶矩、二阶矩、三阶矩九个颜色特征参量和基于灰度共生矩阵的纹理特征的能量、熵、惯性矩、相关性、逆差距的均值和标准差十个特征参量共十九个特征参量作为判别不同病害的依据；最后，根据提取出的特征参量构建随机森林分类器，采用投票决策的方法来实现对病害的识别分类，并在对病害识别整体研究分析的基础上，结合不同用户使用的情况，搭建了两种基于随机森林法的向日葵叶部病害识别仿真系统。

本发明一种基于随机森林法的向日葵病害识别方法，包括向日葵叶部常见四种病害：白粉病、细菌性叶斑病、黑斑病、霜霉病，且作为研究对象：

A：病害图像采集。采集到的叶片图像颜色要尽量接近叶子本身的颜色。

B：病害图像预处理。在结合实际情况下，采用适合于向日葵病害图像识别的预处理方法，采用空域的直方图均衡化去雾算法增强图像效果，并基于形态学的权重自适应图像去噪法对向日葵叶部病害图像进行去噪处理。

C：病害图像分割。经过分析对比图像分割的各种方法，选取适合的最优彩色图像分割方法，经实验后采用K-均值聚类算法与分水岭算法相结合的方法分割向日葵叶部病害彩色图像。

D：病害图像特征提取。通过向日葵颜色和纹理有较明显的变化，因而提取病害图像的颜色特征、纹理特征参量进行研究，并经过对特征参数的深入分析，优选出适合图像识别的最佳特征参数。

E：病害的识别诊断。结合提取到的颜色特征和纹理特征参数，使用随机森林法对向日葵病害进行最后的诊断识别。