詹保坡　尚怡君

摘要：隨著國民經(jīng)濟(jì)的不斷發(fā)展進(jìn)步，數(shù)字圖像技術(shù)的不斷創(chuàng)新完善，越來越多研究人員開始高度重視和關(guān)注到圖像技術(shù)在農(nóng)作物病害識(shí)別中的應(yīng)用。在以往農(nóng)作物病害的判斷識(shí)別中，務(wù)農(nóng)人員往往根據(jù)自身的經(jīng)驗(yàn)去分析農(nóng)作物是否存在病害，這樣無法保障病害識(shí)別的準(zhǔn)確率，存在一定的不足之處。因此，未來農(nóng)業(yè)行業(yè)的發(fā)展將要朝著智能化、數(shù)字化的方向不斷發(fā)展，科學(xué)利用各項(xiàng)智能技術(shù)提高農(nóng)作物的生產(chǎn)率成為必然趨勢(shì)。文章將進(jìn)一步對(duì)圖像技術(shù)下的農(nóng)作物病害識(shí)別展開分析與探討。

關(guān)鍵詞：圖像技術(shù)；農(nóng)作物病害；識(shí)別

我國作為一個(gè)農(nóng)業(yè)大國，社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展離不開農(nóng)業(yè)的和諧建設(shè)。因此，政府相關(guān)部門要加強(qiáng)與社會(huì)農(nóng)業(yè)從業(yè)者的交流和溝通，積極向廣大農(nóng)民推廣應(yīng)用圖像處理技術(shù)，其能夠有效幫助人們準(zhǔn)確識(shí)別出農(nóng)作物的各類病害，從而及時(shí)采取有效的解決措施，避免造成嚴(yán)重的經(jīng)濟(jì)損失。由于不同的致病因素，不同農(nóng)作物病害存在著顯著的特征差異，在圖像技術(shù)應(yīng)用下，人們可以通過對(duì)病害特征差異科學(xué)區(qū)分出不同種類的病害。

1.農(nóng)作物病害特征的提取

1.1獲取病害圖像

一般情況下，機(jī)器視覺系統(tǒng)的構(gòu)成主要包括了圖像處理與識(shí)別系統(tǒng)、攝像機(jī)、信息采集卡以及輔助光源等。當(dāng)前，被廣泛應(yīng)用在田間進(jìn)行圖像采集的視覺傳感器有兩種，一種是cCD視覺傳感器，另一種則是cOMs視覺傳感器。其中前者視覺傳感器的攝像頭主要由電荷耦合器件組成，需要花費(fèi)較高的成本。此外，COMS視覺傳感器的攝像頭與CCD視覺傳感器相比較，其在采集圖像速度上更快。因此，CMOs攝像頭被更多務(wù)農(nóng)人員應(yīng)用在高速環(huán)境下進(jìn)行拍攝工作，其高幀速度范圍在每秒300-2 500幀。與CCD傳感器相比較，COMS傳感器的缺點(diǎn)在于其在成像半導(dǎo)體產(chǎn)生的電子轉(zhuǎn)化成電壓信號(hào)的過程中，會(huì)產(chǎn)生較大的噪聲，聲音強(qiáng)度是CCD的10倍，并且最終成像圖片清晰度也低于CCD攝像機(jī)。

1.2病害圖像預(yù)處理

務(wù)農(nóng)人員在應(yīng)用圖像識(shí)別技術(shù)采集病害圖像過程中會(huì)受到各種外界因素的干擾，例如常見的自然光照、水霧以及灰塵等，同時(shí)拍攝設(shè)備自身元器件電流過大也會(huì)影響到正常拍攝，容易導(dǎo)致成圖質(zhì)量過低，清晰度效果不好。因此，務(wù)農(nóng)人員在對(duì)農(nóng)作物病害圖形展開采集作業(yè)前，必須先進(jìn)行病害圖像的預(yù)處理操作。

圖像預(yù)處理操作主要包括了兩方面內(nèi)容，一是對(duì)病害圖像去噪操作，二是對(duì)病害圖像增強(qiáng)操作。圖像消除噪聲操作又被人們稱為濾波或者平滑，其工作目的主要是為了有效消除圖像中存在的噪聲干擾，促使圖像質(zhì)量的提升。在所有未經(jīng)過處理的原始圖像中，多多少少都會(huì)具有一定程度的噪聲干擾，此種干擾會(huì)影響到拍攝圖像的最終質(zhì)量，導(dǎo)致圖像效果不清晰，務(wù)農(nóng)人員無法有效根據(jù)農(nóng)作物圖像科學(xué)識(shí)別出具體病害，從而給識(shí)別分析工作帶來較大難度；圖像增強(qiáng)操作主要目的是為了優(yōu)化改善圖像視覺效果，提高圖像的清晰度，將圖像中不需要的信息進(jìn)行消除。此外，圖像增強(qiáng)還能夠方便工作人員日后的計(jì)算機(jī)處理工作。當(dāng)前，在農(nóng)業(yè)市場(chǎng)中普遍應(yīng)用的增強(qiáng)技術(shù)分為兩類，一類是圖像空間域方法，一類是圖像變換域方法。

1.3病害圖像分割

務(wù)農(nóng)人員在展開對(duì)病害圖像數(shù)據(jù)分析和識(shí)別工作前，需要對(duì)圖像進(jìn)行分割操作，圖像分割質(zhì)量高低直接關(guān)系到圖像最終的分析與結(jié)果處理，決定了工作人員對(duì)病害圖像的理解程度。由于當(dāng)前圖像分割操作不存在通用分割方法，也不具備科學(xué)的成功分割基礎(chǔ)操作標(biāo)準(zhǔn)，因此工作人員需要根據(jù)圖像的具體特征，有針對(duì)性地采用合適的圖像分割方法。

1.4病害特征提取

顏色特征提取。顏色作為人們直接感官彩色圖像時(shí)最為明顯的特征，具備較好的自適應(yīng)性，不會(huì)受到外界因素太大干擾。通常使用的顏色特征有顏色直方圖、顏色矩以及顏色集等。其中顏色直方圖能夠?qū)㈩伾臻g進(jìn)行平衡分割，科學(xué)計(jì)算判斷出不同顏色在圖像像素點(diǎn)中實(shí)際占比率；顏色矩則可以充分展現(xiàn)出圖像顏色的分布情況，因?yàn)閳D像顏色分布信息主要集中在低階矩中，所有工作人員一般會(huì)使用一、二、三階矩來呈現(xiàn)出圖像的具體顏色分布；顏色集的應(yīng)用工作過程是先將RGB顏色空間成功轉(zhuǎn)化為視覺均衡的顏色空間，同時(shí)把顏色空間量化成數(shù)個(gè)bin，在色彩自動(dòng)分割技術(shù)的輔助下實(shí)現(xiàn)圖像的區(qū)域分割，不同區(qū)域通過使用量化顏色空間的某個(gè)顏色分量進(jìn)行索引，這樣就能夠?qū)D像表達(dá)為一個(gè)二進(jìn)制的顏色集。

形狀特征提取。圖像形狀特征表達(dá)主要以對(duì)圖像中區(qū)域或者物體的劃分為基礎(chǔ)，農(nóng)作物病斑的分類依據(jù)主要包括了顏色、形狀以及紋理，病斑在不同階段的發(fā)病期會(huì)呈現(xiàn)出不同的顏色狀態(tài)、紋理特征提取也會(huì)相應(yīng)受到圖像清晰外界條件的影響。而病斑形狀特征與顏色特征相比較會(huì)更加穩(wěn)定，提取效果也優(yōu)于紋理特征。當(dāng)前形狀特征提取內(nèi)容主要涵蓋了：幾何特征、區(qū)域描述特征以及傅里葉形狀描述符等。例如，幾何形狀特征指的是農(nóng)作物病斑的面積、周長(zhǎng)以及方向角等，它們的實(shí)際計(jì)算多數(shù)是基于目標(biāo)的封閉輪廓線。

紋理特征提取。紋理特征主要被應(yīng)用在基于內(nèi)容圖像檢索工作中，工作人員可以根據(jù)提取到的某種紋理圖像，有效查找出含有類似紋理的其他病害圖像。圖像識(shí)別領(lǐng)域普遍提取應(yīng)用的紋理特征主要包含了Tamura紋理特征、小波變換和灰度共生矩陣表示的紋理特征等。其中Tamura紋理特征的6個(gè)分量就是心理學(xué)角度上紋理特征的6種屬性，它們是方向度、對(duì)比度、粗糙度、規(guī)整度、線像度以及粗略度。

2.農(nóng)作物病害種類識(shí)別

要想保證農(nóng)作物病害的有效治理，就必須高效應(yīng)用模式識(shí)別法展開對(duì)病斑的科學(xué)分類作業(yè)。當(dāng)前被廣泛應(yīng)用在農(nóng)作物病害識(shí)別的模式識(shí)別包括模糊識(shí)別技術(shù)與參數(shù)綜合分析法。

2.1模糊模式識(shí)別

模糊模式識(shí)別方法的工作原理是通過應(yīng)用模糊數(shù)學(xué)中的基礎(chǔ)概念、原理以及方法去解決各種病害分類識(shí)別問題。模糊模式識(shí)別通過把識(shí)別對(duì)象、待識(shí)別類分別作為元素和模糊集，接著科學(xué)對(duì)元素和模糊集進(jìn)行分類。其中，一般聚類算法的應(yīng)用是按照農(nóng)作物不同特征、相似性等關(guān)系，直接決定它們的所屬種類。所以，工作人員在應(yīng)用該算法時(shí)必須根據(jù)實(shí)際問題進(jìn)行病害特省的提取，有效建立起模糊集的隸屬度函數(shù)，明確農(nóng)作物關(guān)系的相關(guān)程度，最后合理應(yīng)用模糊數(shù)學(xué)的對(duì)應(yīng)原理方法進(jìn)行分類識(shí)別。

與傳統(tǒng)模式識(shí)別方法相比較，現(xiàn)代模糊模式識(shí)別方法的優(yōu)勢(shì)在于其表達(dá)出的客體信息更為科學(xué)合理，滿足于工作人員對(duì)信息的利用需求，模糊識(shí)別算法較為簡(jiǎn)單，具備了良好的穩(wěn)定性和高推理能力。

2.2參數(shù)綜合分析法

一般情況下，工作人員在利用圖像處理技術(shù)對(duì)農(nóng)作物病害進(jìn)行識(shí)別作業(yè)時(shí)，為了減少成本和時(shí)間，會(huì)選擇應(yīng)用單一參數(shù)分析方法，然而這種方式所識(shí)別出來的結(jié)果難以讓人滿意。因此，工作人員為了獲取高質(zhì)量的農(nóng)作物病害識(shí)別分類效果，就必須綜合多種參數(shù)進(jìn)行病害識(shí)別，不斷提高參數(shù)算法的準(zhǔn)確性和強(qiáng)健性。隨著時(shí)間的推移，我國硬件技術(shù)也得到了不斷完善，各種優(yōu)化算法得到了改進(jìn)，通過綜合采用多種識(shí)別算法能大大提高識(shí)別質(zhì)量。

當(dāng)前，已知存在的參數(shù)結(jié)合分析法主要包括了顏色與紋理結(jié)合法、顏色與形態(tài)結(jié)合法以及顏色、紋理和形狀三者結(jié)合的方法。例如，在顏色與紋理特征結(jié)合內(nèi)容上，有很多研究人員通過利用color co-occurrence method這一研究方法，該方法能夠確保同時(shí)有效提取出顏色參數(shù)和紋理特征參數(shù)，然后在神經(jīng)網(wǎng)絡(luò)技術(shù)的輔助下，高效優(yōu)化結(jié)合顏色參數(shù)和紋理參數(shù)，從而不斷提升農(nóng)作物病害識(shí)別效果?；谖覈茖W(xué)技術(shù)的不斷發(fā)展，市場(chǎng)軟硬件技術(shù)的不斷完善，越來越多的學(xué)者開始積極探索結(jié)合應(yīng)用顏色、紋理以及形狀3種參數(shù)進(jìn)行農(nóng)作物病害識(shí)別，這樣做的目的是為了打破傳統(tǒng)單一參數(shù)分析法的局限性，最大程度提高病害識(shí)別的準(zhǔn)確率，雖然研究過程要涉及眾多程序，加大了研究成本，但是為了更好地服務(wù)于農(nóng)業(yè)發(fā)展，這一切都是值得的。

3.結(jié)語

綜上所述，要想保障我國農(nóng)業(yè)行業(yè)穩(wěn)定持續(xù)的發(fā)展，不斷提高農(nóng)作物的產(chǎn)量，就必須充分利用好圖像技術(shù)，加強(qiáng)對(duì)農(nóng)作物病害的識(shí)別工作。工作人員要針對(duì)農(nóng)作物的具體病害，合理選擇出最佳的識(shí)別方法，對(duì)病害特征進(jìn)行提取和識(shí)別，明確其種類，從而幫助務(wù)農(nóng)人員采取有效的病害解決措施，促使農(nóng)作物健康地成長(zhǎng)發(fā)育。