基于不变矩的作物病害识别方法.pdf

《基于不变矩的作物病害识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、江苏农业科学2014年第42卷第6期王旭启，张善文，王献锋．基于不变矩的作物病害识别方法[J]．江苏农业科学，2014，42(6)：378—380基于不变矩的作物病害识别方法王旭启，张善文，王献锋(西京学院工程技术系，陕西西安710123)摘要：针对作物病害识别的复杂性，提出一种基于不变矩(invariantsmoments，IM)算法的病害识别方法。对作物病害叶片图像进行不变矩特征提取，采用最近邻分类器对作物病害叶片进行识别。以芹菜病害叶片为材料，进行病害识别，结果表明，该方法是有效可行的。关键词：作物病害叶片；特征提取；不变矩；最近邻分类器

2、中图分类号：TP391．41文献标志码：A文章编号：1002—1302(2014)06—0378—02作物病害是限制我国农业生产的重要因素。由于作物病对于二维图像，Y)，其定义域为C，它的P+q级矩定害造成的损失巨大，所以作物病害检测一直是农业科技工作义为：者的研究重点。实际生产中，农民及农业科技工作者主要依=￡，，，Y)ds。(1)靠自身经验诊断作物病害，这种诊断方法的识别能力有限，通实际应用中人们经常采用离散化形式来近似计算图像的常在作物病害程度比较重时才能识别，而且费时费力，严重影P+q级矩：响作物病害预报准确率。绝大多数作物病害会通过叶

3、子表现，，，y)。(2)出来，因此基于作物叶片症状的作物病害识别方法是研究热图像的中心距定义为：点之一。近年来，学者们对作物病害识别及检测方法进行了(—)(y—y)，y)。(3)广泛研究，通过对农作物病害图像进行预处理，提取病害特征。Mlox=参数，使用不同分类器达到智能识别的目的。程鹏飞从。颜色、纹理两方面人为地选择合适的病害分类特征参数，利用对进行正则化得：模糊K近邻法建立分类器对植株叶片进行模式识别，但人为，7=／碥。(4)选择特征参数会影响植物病害的识别准确度。田有文等式中，：pq+1为正则化因子，p、g为正整数。探讨利用SVM对黄瓜病

4、害进行分类，提取黄瓜叶片病斑的形利用可以计算以下7个不变矩：状、颜色、质地、发病时期等特征作为特征向量，利用SVM分Hul=叼加+02，(5)类器，选取4种常见核函数，以Matlab7．0为平台对l0类常见Hu2=(叼20一02)+4rl211，(6)病害进行识别，结果表明，SVM方法在处理小样本问题时具Hu3=(30—3叼12)+(o3—37721)，(7)有良好的分类效果。祁广云等应用改进的GA训练BP神Hu4=(叼3o+叩12)+(町03+21)，(8)经网络实现了大豆叶斑病病斑区域的提取，结果表明，应用该方法识别病斑区域的准确率达90％

5、，克服了彩色直方图熵法Hu5=(∞一312)(，730+12)[(町如+叼l2)一3(叩o3+叼21)]+分割病斑图像不清晰的弊端。由于病害叶片形状、颜色的(3叼21一叼o3)(21+03)[3('73o+叼12)一(∞+’721)]，复杂性，导致很多作物病害识别方法及技术不能满足自动化(9)作物病害检测系统的需要。本研究提取作物病害叶片的不变Hu6=(20—7q02)[(叼30+町l2)一(’703+叩21)]+矩分类特征，利用最近邻分类器对作物病害进行检测，旨在为4叼l1(町30+’712)(叼∞+21)，(1O)作物病害识别提供一种新方法

6、。Hu7=(3rl21一o3)(3o+l2)[(3o+l2)一3(∞+叩21)]+(3rll2一'730)(叩21+∞)[3(30+叩12)一(03+叩21)]。1作物病害叶片图像特征提取(11)不变矩作为复杂图像的分类特征被广泛应用于二维图像这些不变矩组成的向量[Hul，Hu2，⋯，Hu7]对于平移、旋转、识别领域。有学者由二维图像几何矩的非线性组合推导出了比例尺变化具有保持不变的性质，因此可以作为作物病害叶7项具有旋转、平移、尺度不变性的不变矩，并且证明了这些片图像的分类特征，对作物病害叶片进行识别。矩保留了数据的分类信息。具体算法如下：2

7、结果与分析收稿日期：2013—10—09本研究以芹菜病害叶片作为研究对象，针对高发病率且基金项目：国家自然科学基金(编号：61272333)；陕西省教育厅自然具有显著危害的斑枯病、灰霉病、叶斑病、霜霉病进行病害识科学研究项目(编号：2013JK887)。别。利用图像采集系统，选择光照强度适中的时间拍摄病害作者简介：王旭启(1976一)，男，河南遂平人，硕士，讲师，从事模式识叶片，从发病初期开始直至病情非常严重时期，平均每隔2d别研究。E—mail：wjdw716@163．corn。采集1次病叶图像。拍摄前调节相机白平衡，确保拍摄到的一380一江

8、苏农业科学2014年第42卷第6期王兴旺．仓桥水晶梨生长监测系统研究[J]．江苏农业科学，2014．，42(6)：380—383仓桥水晶梨生长监测系统