摘要：針對棉花作物病蟲害特征，結(jié)合光譜技術(shù)和計算機技術(shù)，研究棉花在不同病蟲害條件下的反射光譜特性及變化規(guī)律，以探明其光譜敏感波段和特征表現(xiàn)；基于多傳感信息融合的病蟲害識別診斷方法，以構(gòu)建棉花病蟲害智能識別系統(tǒng)，為精確棉花病蟲害管理和機械化變量施藥技術(shù)提供理論基礎(chǔ)。

關(guān)鍵詞：多源圖像；融合技術(shù)；棉花；病蟲害；識別診斷

中圖分類號：TP391.43；S435.6 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2013）11-2555-03

隨著城市化進(jìn)程不斷加快，從事農(nóng)業(yè)勞作的勞動力總數(shù)急劇減少，農(nóng)業(yè)生產(chǎn)與加工的逐步自動化是社會發(fā)展和進(jìn)步的需求。特別是對于農(nóng)作物病蟲害監(jiān)測從傳統(tǒng)的根據(jù)農(nóng)業(yè)部發(fā)布的病蟲害監(jiān)測調(diào)查規(guī)范進(jìn)行調(diào)查，通過人工調(diào)查、人工記錄，到微小昆蟲自動計數(shù)技術(shù)、昆蟲誘捕自動記錄裝置來對農(nóng)作物病蟲害進(jìn)行監(jiān)測，這些信息收集和數(shù)據(jù)管理都存在勞動量大、效率低、數(shù)據(jù)誤差大的問題。隨著計算機技術(shù)和傳感器技術(shù)的快速發(fā)展，圖像融合技術(shù)在軍事、氣象、醫(yī)學(xué)、土地資源管理等方面得到了廣泛的應(yīng)用，而如何將圖像融合技術(shù)應(yīng)用在農(nóng)作物病蟲害中是極具有研究價值的課題。

1 棉花病蟲害診斷技術(shù)研究意義及發(fā)展趨勢

棉花作為主要的經(jīng)濟作物一直在中國和湖北省農(nóng)業(yè)生產(chǎn)中占有重要地位，但由于品種、栽培制度、生態(tài)環(huán)境等變化及棉花生長環(huán)境日益惡化，病蟲害有不斷加重趨勢。危害棉花的主要病害有炭疽病、黑斑病、枯萎病、黃萎病等，炭疽病在長江流域棉區(qū)的發(fā)生尤為嚴(yán)重，一般苗期發(fā)病率為20%～70%，嚴(yán)重時可達(dá)90%；黑斑病在陰濕多雨年份往往猖獗流行，給棉花生產(chǎn)造成毀滅性災(zāi)害；而枯萎病在棉區(qū)一直發(fā)生較多，死苗嚴(yán)重，造成的危害主要表現(xiàn)在產(chǎn)量降低，品質(zhì)變劣方面；自上世紀(jì)80年代末枯萎病得到控制后，黃萎病上升為棉花第一病害。目前黃萎病發(fā)病面積達(dá)到全國棉田面積的50%以上，發(fā)病后棉苗減產(chǎn)30%～70%，有的甚至絕產(chǎn)，而且嚴(yán)重影響棉花品質(zhì)。采用先進(jìn)技術(shù)提高棉花病蟲害有效防治及控制已迫在眉睫。

1.1 棉花病蟲害診斷技術(shù)的研究意義

在進(jìn)行植物保護(hù)和防治農(nóng)作物病蟲害的各類方法中，化學(xué)防治是投入少、見效快、收效大的有效方法，特別是針對在大生態(tài)區(qū)域內(nèi)可能暴發(fā)成災(zāi)的重要病蟲草害，化學(xué)防治迄今仍是最快速而有效的方法，一般可以挽回15%～30%的農(nóng)作物產(chǎn)量損失。使用農(nóng)藥（各種殺菌劑、除草劑等）進(jìn)行化學(xué)防治在世界各國一直占主導(dǎo)地位，它投入較少，防治迅速，特別是當(dāng)大面積、暴發(fā)性病害發(fā)生時，只有化學(xué)防治才能取得較好的防治效果。同樣，在棉花病蟲害綜合防治中，化學(xué)防治仍然是及時有效地控制病蟲對棉花危害的最后一道把關(guān)防治措施。但長期大量使用農(nóng)藥不僅污染環(huán)境，而且這些農(nóng)藥會通過空氣、水等途徑進(jìn)入人體，對人類的身體健康構(gòu)成危害；又由于棉花病蟲害癥狀的復(fù)雜性和模糊性，農(nóng)業(yè)生產(chǎn)者受個體素質(zhì)和人為主觀因素的影響，往往不能正確合理地判斷病情，導(dǎo)致濫用農(nóng)藥、化肥等引起更大的危害；此外，由于中國正步入老齡化社會，從事農(nóng)業(yè)勞動的人口在減少，由勞動力不足帶來的農(nóng)業(yè)減產(chǎn)問題已日趨嚴(yán)重。所以，精確作物病蟲害管理和機械化變量施藥技術(shù)的研究和應(yīng)用勢在必行。為實現(xiàn)精確的棉花病蟲害管理和變量施藥，首先要能夠準(zhǔn)確地識別棉花病蟲害種類及其危害程度。傳統(tǒng)的方法主要依靠生產(chǎn)者或?qū)＜医?jīng)驗來判斷病蟲害原因及其危害程度，由于個體素質(zhì)的差異以及其他因素的影響，往往很難做到對病蟲害做出精確定量分析和判斷，因而容易造成不合理的病蟲害防治，也對生產(chǎn)管理者的農(nóng)技水平要求較高。一些智能決策支持系統(tǒng)雖然能識別診斷棉花病蟲害，但是過程復(fù)雜，不能進(jìn)行實時處理。隨著信息技術(shù)、光譜技術(shù)和計算機視覺技術(shù)的發(fā)展使基于生物信息的作物病蟲害智能識別診斷成為可能。通過多源圖像融合技術(shù)快速準(zhǔn)確地獲取棉花病蟲害信息，對已發(fā)生病蟲害的棉花區(qū)域根據(jù)病蟲害程度實行定量噴施農(nóng)藥。這樣既可大量節(jié)省農(nóng)藥，提高效率，降低成本，降低對勞動力的依賴，同時大幅度減輕農(nóng)藥對農(nóng)業(yè)生態(tài)環(huán)境的污染，提高棉花病蟲害防治水平。研究多源圖像融合技術(shù)對農(nóng)作物病蟲害診斷具有重要的學(xué)術(shù)意義和經(jīng)濟價值。

1.2 棉花病蟲害診斷技術(shù)發(fā)展趨勢

縱觀近幾年國內(nèi)對作物病蟲害智能識別診斷的研究，目前對棉花作物病蟲害識別診斷主要集中在以專家系統(tǒng)為代表的智能化信息技術(shù)和光譜技術(shù)上，應(yīng)用計算機視覺技術(shù)對棉花作物病蟲害識別的研究報道較少[1，2]，而結(jié)合光譜技術(shù)和計算機視覺技術(shù)進(jìn)行研究的則未見報道。目標(biāo)的高分辨率和高識別率是對獲取目標(biāo)信息的基本要求，僅僅利用可見光范圍或在近紅外范圍的計算機視覺技術(shù)進(jìn)行作物病蟲害識別診斷，其單一光譜不足以準(zhǔn)確、全面反映作物病蟲害的差異，還需利用其他生物信息對其補充和加強，以達(dá)到全面地反映作物病蟲害的差異[3]。

為了實現(xiàn)對低探測性目標(biāo)的探測和識別，必須大力發(fā)展先進(jìn)的目標(biāo)探測系統(tǒng)，而由多源傳感器組成的光電成像系統(tǒng)是最為常見的目標(biāo)探測系統(tǒng)。圖像融合就是利用各種成像傳感器得到的同一目標(biāo)或同一場景的圖像，綜合這些不同圖像的冗余信息和互補信息，以獲得更為全面準(zhǔn)確的圖像描述。為此，針對湖北省主要經(jīng)濟作物棉花，綜合利用光譜技術(shù)、計算機視覺技術(shù)及多源信息融合技術(shù)，基于多源圖像信息（可見光和近紅外視覺圖像信息）融合棉花病害（炭疽病和黑斑?。┳R別診斷技術(shù)。深入研究作物在不同病蟲害危害下的反射光譜特性及變化規(guī)律，確定光譜敏感波段及其特征表現(xiàn)，提取可以有效表征作物不同病蟲害條件、不同危害程度下的計算機視覺圖像的灰度、紋理、形態(tài)特征信息和近地光譜特征信息，探索基于多傳感信息融合的病蟲害識別診斷方法，構(gòu)建病蟲害智能識別系統(tǒng)，為精確作物病蟲害管理和機械化變量施藥技術(shù)提供理論基礎(chǔ)。

2 多源圖像融合技術(shù)

圖像融合[4]是對多幅源自同一場景的圖像進(jìn)行綜合，以獲得更好的視覺效果和易于機器識別為目的，產(chǎn)生比單一信息源更為精確、更完善、更可靠的圖像。多源傳感器圖像是由成像機理不同的多種傳感器獲得的圖像。由于每種成像傳感器都是為了適應(yīng)某些特定的環(huán)境和使用范圍而設(shè)計的，具有不同成像機理的多種傳感器獲得的圖像之間存在信息的冗余性和互補性，通過對其進(jìn)行融合，能夠提高系統(tǒng)可靠性和圖像信息的利用率。隨著科學(xué)發(fā)展和技術(shù)進(jìn)步，采集圖像數(shù)據(jù)的手段不斷完善，出現(xiàn)了各種新圖像獲取技術(shù)。如今圖像融合技術(shù)廣泛應(yīng)用于圖像處理、遙感、計算機視覺以及軍事等領(lǐng)域[5]。利用圖像融合技術(shù)可以準(zhǔn)確地獲取檢測數(shù)據(jù)，如在醫(yī)學(xué)圖像分析中的超聲成像、核磁共振、計算機層析、血液細(xì)胞自動分類計數(shù)、癌細(xì)胞識別等極大地提高了準(zhǔn)確率[6，7]；圖像融合技術(shù)在遙感雷達(dá)衛(wèi)星的發(fā)展后，已成為遙感圖像處理和分析的重要研究熱點，應(yīng)用于土地資源調(diào)查、環(huán)境監(jiān)測、地形測繪等[8]。圖像融合技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，目前研究方向主要集中在對農(nóng)產(chǎn)品的無損檢測和農(nóng)作物生長態(tài)勢及產(chǎn)量評估方面。如采用互信息最佳閾值迭代優(yōu)化分割法對可見光和近紅外圖像進(jìn)行融合來對番茄成熟度進(jìn)行無損檢測研究[9]；通過加權(quán)平均融合法對紅外和可見光圖像實現(xiàn)對蘋果進(jìn)行無損檢測研究[10]；采用蟻群算法的模糊C均值聚類圖像分割算法的圖像融合技術(shù)對作物幾何參數(shù)進(jìn)行測量。

多源傳感器圖像融合系統(tǒng)一般有3種類型：像素級融合、特征級融合和決策級融合。

2.1 像素級圖像融合

像素級圖像融合是通過對源圖像進(jìn)行預(yù)處理和空間配準(zhǔn)，對處理后的圖像采取適當(dāng)?shù)乃惴ㄟM(jìn)行融合，得到融合圖像后再進(jìn)行顯示和后續(xù)處理。簡單的像素級融合方法主要有：像素灰度值平均或加權(quán)平均，像素灰度值選大，像素灰度值選小。簡單的像素級融合方法結(jié)構(gòu)簡單、易于實現(xiàn)，但應(yīng)用范圍有限，融合結(jié)果不理想。故現(xiàn)在的融合方法多采用基于對源圖像的多尺度分解。這種分解方法是一種多尺度、多分辨率的圖像融合方法，是在不同尺度、不同空間分辨率、不同分解層上分別進(jìn)行融合。這種融合方法能明顯改進(jìn)融合效果[11]。

2.2 特征級圖像融合

特征級圖像融合是從不同的成像傳感器所獲得的同一對象圖像中提取一些特征，產(chǎn)生特征矢量，然后對這些特征矢量進(jìn)行融合。特征級圖像融合是中間層的圖像融合，精度一般。其融合方法有基于假設(shè)前提及統(tǒng)計分析的方法和基于知識的方法。

2.3 決策級圖像融合

決策級圖像融合是最高層次的融合，是首先依據(jù)每一個成像傳感器所獲得的同一對象圖像各自進(jìn)行預(yù)處理、特征提取、識別和判決后，做出獨立的決策，然后將這些獨立的決策綜合起來，給出最終決策。決策級圖像融合適合于多類不同傳感器圖像的融合，但融合結(jié)果精度較差。其融合方法有多重邏輯推理方法、統(tǒng)計方法、信息論方法等都可用于決策層的圖像融合。

特征級圖像融合和決策級圖像融合方法通常應(yīng)用于某些特殊場合，像素級圖像融合的應(yīng)用更普及，融合所得圖像更有利于人眼的判讀、欣賞和機器識別。對于已經(jīng)配準(zhǔn)好的圖像，像素級圖像融合方法不需要顯式地提取圖像特征，在速度和魯棒性上有明顯優(yōu)勢。為此采取像素級圖像融合方法對農(nóng)作物病蟲害的可見光和近紅外圖像進(jìn)行融合處理，使其符合人類視覺特征，融合結(jié)果更有利于對圖像作進(jìn)一步分析、理解和識別。

3 多源圖像融合技術(shù)對棉花病蟲害診斷的方法

1）在特定栽培條件下，培育不同棉花病蟲害的試驗樣本及正常的對比樣本。

2）對棉花病蟲害樣品的葉片和冠層進(jìn)行光譜分析。利用便捷式光譜儀測量葉片和冠層的光譜，尋找棉花病蟲害種類的敏感光譜波段及其反射率特征，分析不同病蟲害種類和病蟲害程度的敏感光譜波段反射率特征的變化規(guī)律。

3）根據(jù)光譜分析結(jié)果，構(gòu)建多源圖像計算機視覺采集系統(tǒng)，采集棉花作物樣本多光譜圖像，用VC或MATLAB編寫計算機圖像處理軟件對圖像進(jìn)行處理和特征提取。

4）對所獲取的特征應(yīng)用模糊特征優(yōu)選、主成分分析（PCA）和獨立分量分析（ICA）進(jìn)行優(yōu)化組合和篩選，通過各種統(tǒng)計方法尋求作物病癥與特征對應(yīng)關(guān)系。建立圖像特征與病種、病蟲害程度的關(guān)系模型，利用模式識別方法進(jìn)行棉花病蟲害種類及程度的模式識別檢測試驗[12]。

4 展望

棉花是中國和湖北省主要的經(jīng)濟作物，長期以來棉田病蟲害對棉花生產(chǎn)帶來極大危害，因此，對棉花病蟲害防治方法與技術(shù)的研究至關(guān)重要。對棉花作物病蟲害防治的各種方法中，傳統(tǒng)的方法是依靠人們的經(jīng)驗確認(rèn)病蟲害的發(fā)生時間、區(qū)域、種類和發(fā)生程度等，且是進(jìn)行手工或機械噴灑農(nóng)藥，這不僅勞動效率低，勞動成本高，而且常規(guī)施藥技術(shù)會帶來農(nóng)藥利用率低下、水資源浪費、環(huán)境污染、農(nóng)藥在作物及其產(chǎn)品中的殘留導(dǎo)致對人類的危害等。所以，結(jié)合光譜技術(shù)和計算機技術(shù)開展棉花病蟲害的識別診斷研究具有重要的學(xué)術(shù)意義和經(jīng)濟價值。

參考文獻(xiàn)：

[1] 周小燕，史 巖，李道亮，等.棉花病蟲害診斷專家系統(tǒng)的研究與設(shè)計[J].萊陽農(nóng)學(xué)院學(xué)報，2005，22（1）：9-11.

[2] 嚴(yán)智燕，廖桂平，高必達(dá).植物病蟲害防治中農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展[J].中國農(nóng)學(xué)通報，2005，21（5）： 415-417.

[3] YUTAKA S，TSUGUO O.Automatic diagnosis of plant disease recognition between healthy and diseased leaf[J].農(nóng)業(yè)機械學(xué)會雜志，1999，61（2）：119-126.

[4] 何 友，王國宏，陸大金，等.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2000.

[5] 王 宏，敬忠良，李建勛.多分辨率圖像融合的研究與進(jìn)展[J].控制理論與應(yīng)用，2004，21（1）：145-151.

[6] ZHENG Y F， ESSOCK E A， HANSEN B C.Advanced discrete wavelet transform fusion algorithm and its optimization by using the metric of image quality index[J].Optical Engineering，2005，44（3）：1-12.

[7] 李秋華.基于紅外圖像信息融合的目標(biāo)檢測和識別技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2002.

[8] 吉 微.多源氣象衛(wèi)星圖像融合技術(shù)應(yīng)用研究[D].南京：南京信息工程大學(xué)，2009.

[9] 李明喜.基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2008.

[10] 楊萬利，沈明霞，嚴(yán) 君.紅外圖像處理技術(shù)在蘋果早期淤傷檢測中的應(yīng)用[J].計算機工程與設(shè)計，2010（1）：149-152.

[11] 王 凱.像素級多源圖像融合技術(shù)研究[D].武漢：華中科技大學(xué)，2007.

[12] PYDIPATI R，BURKS T F，LEE W S.Identification of citrus disease using color texture features and discriminate analysis[J].Computers and Electronics in Agriculture，2006，52（1）：49-59.