陳林琳,姜大慶,蔡銀杰,劉永華

(1.南通科技職業(yè)學(xué)院,江蘇 南通 226007;2.江蘇農(nóng)林職業(yè)技術(shù)學(xué)院,江蘇 句容 211121)

0 引言

一般而言,農(nóng)作物病害的識(shí)別與檢測(cè)主要以病害形狀、特征及分布狀態(tài)為表征信息,如相關(guān)專家學(xué)者利用數(shù)字植物識(shí)別技術(shù)對(duì)小麥、玉米等常見(jiàn)農(nóng)作物葉片進(jìn)行圖像病害識(shí)別與監(jiān)測(cè),通過(guò)光線頻譜分析等手段對(duì)作物病害進(jìn)行清晰化三維顯示等。為提高對(duì)芋頭常見(jiàn)病害的動(dòng)態(tài)掌控效果,筆者擬利用計(jì)算機(jī)圖像識(shí)別與視覺(jué)處理思維,融入較為智能的圖像監(jiān)測(cè)方法對(duì)其進(jìn)行深入研究。

1 計(jì)算機(jī)視覺(jué)機(jī)理概述

計(jì)算機(jī)視覺(jué)是一種利用機(jī)器代替人類對(duì)外部信息獲取與識(shí)別的智能化技術(shù),其核心機(jī)理在于如何準(zhǔn)確、快速對(duì)目標(biāo)圖像做出邏輯性判斷,對(duì)有用信息進(jìn)行篩選、無(wú)關(guān)信息進(jìn)行噪聲化移除處理,達(dá)到圖像獲取、預(yù)處理、特征提取及檢測(cè)與輸出的效果。圖1為芋頭常見(jiàn)灰斑病外形圖。由圖1可知:利用計(jì)算機(jī)視覺(jué)圖像處理達(dá)到與之一致度較高的識(shí)別目的,需進(jìn)一步明確芋頭病害圖像識(shí)別與監(jiān)測(cè)的內(nèi)部關(guān)鍵信息并進(jìn)行匹配,從而實(shí)現(xiàn)的芋頭病害識(shí)別。

在進(jìn)行識(shí)別與監(jiān)測(cè)過(guò)程中,對(duì)常見(jiàn)病害圖像各特征波段的充分理解,選擇適當(dāng)?shù)膱D像識(shí)別方法尤為重要。表1列出基于計(jì)算機(jī)視覺(jué)的芋頭常見(jiàn)病害特征波段及對(duì)應(yīng)識(shí)別方法。由表1可知:芋頭的常見(jiàn)灰斑病、炭疽病和污斑病雖在外部形狀表現(xiàn)不一,但均可通過(guò)SVM 系列方法進(jìn)行病害圖像深入識(shí)別;芋頭的疫病和軟腐病則可按照波段選擇回歸類方法進(jìn)行分析。

圖1 芋頭常見(jiàn)灰斑病外形圖

表1 基于計(jì)算機(jī)視覺(jué)的芋頭常見(jiàn)病害特征波段及識(shí)別方法

續(xù)表1

將計(jì)算機(jī)視覺(jué)應(yīng)用于芋頭病害圖像識(shí)別與監(jiān)測(cè),病害圖像識(shí)別原理如圖2所示。由圖2可知:建立計(jì)算機(jī)視覺(jué)技術(shù)下的能控函數(shù)是關(guān)鍵步驟,通過(guò)前期圖像分量與濾波及閾值化處理得到病害圖像的紋理特征,結(jié)合邊界區(qū)域條件形成,進(jìn)而進(jìn)行核心算法求解與圖像對(duì)比,得出可靠的芋頭病害圖像識(shí)別結(jié)果。

圖2 計(jì)算機(jī)視覺(jué)應(yīng)用于病害圖像識(shí)別原理圖

2 芋頭病害監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

2.1 理論模型建立

針對(duì)芋頭常見(jiàn)病害及病害圖像識(shí)別原理,以計(jì)算機(jī)視覺(jué)識(shí)別為控制條件,建立芋頭病害監(jiān)測(cè)與識(shí)別理論模型,即

(1)

式中E—芋頭病害圖像識(shí)別系統(tǒng)能控函數(shù);

V—芋頭病害圖像像素邊界項(xiàng);

D—芋頭病害圖像像素點(diǎn)區(qū)域項(xiàng);

f—芋頭病害圖像各像素點(diǎn)類別;

p、q—芋頭病害圖像像素點(diǎn);

P—芋頭病害圖像像素點(diǎn)集合;

N—選定連通區(qū)域范圍內(nèi)的像素點(diǎn)集合。

進(jìn)一步對(duì)預(yù)識(shí)別芋頭圖像進(jìn)行濾波處理,以滿足準(zhǔn)確顯示、圖像清晰化要求。設(shè)f(x,y)為圖像像素點(diǎn)灰度值,得到濾波方程為

(2)

式中 med—圖像濾波取中值處理;

i、j—圖像像素點(diǎn)取值范圍。

在芋頭病害識(shí)別與監(jiān)測(cè)控制原理下(見(jiàn)圖3),通過(guò)芋頭病害識(shí)別的病狀表現(xiàn)模型和病癥表現(xiàn)模型,實(shí)現(xiàn)芋頭病害圖像三維顯示清晰化與可視化,為下一步做出芋頭病害預(yù)防與治理提供預(yù)警信息。

圖3 芋頭病害識(shí)別與監(jiān)測(cè)原理簡(jiǎn)圖

2.2 硬件系統(tǒng)配置

進(jìn)行芋頭病害監(jiān)測(cè)識(shí)別系統(tǒng)的硬件配置,劃分出計(jì)算機(jī)視覺(jué)機(jī)理下的芋頭病害監(jiān)測(cè)系統(tǒng)模塊(見(jiàn)圖4),包括病斑圖像分割、病害識(shí)別與監(jiān)測(cè)及系統(tǒng)運(yùn)行管理。其中,監(jiān)測(cè)模型構(gòu)建與數(shù)據(jù)存儲(chǔ)擴(kuò)充與病害監(jiān)測(cè)識(shí)別設(shè)置在同一模塊內(nèi),方便系統(tǒng)信息傳遞與調(diào)控。針對(duì)病斑圖像分割,則依賴于計(jì)算機(jī)視覺(jué)技術(shù)中的圖像預(yù)處理與特征提取功能,并且設(shè)計(jì)了人機(jī)友好的用戶管理界面。

針對(duì)該監(jiān)測(cè)系統(tǒng)的硬件電路,給出如圖5所示的基本配置。系列控制電路的命令發(fā)送與執(zhí)行等操作在主控制信號(hào)電路板上進(jìn)行,電源模塊提供源動(dòng)力,在TEC控制配合下,完成芋頭圖像的邏輯識(shí)別及合成處理等環(huán)節(jié),經(jīng)D/A轉(zhuǎn)換后顯示出圖像特征。

圖4 計(jì)算機(jī)視覺(jué)機(jī)理下的芋頭病害監(jiān)測(cè)系統(tǒng)模塊簡(jiǎn)圖

圖5 芋頭病害識(shí)別與監(jiān)測(cè)系統(tǒng)硬件電路基本配置

在芋頭圖像識(shí)別成像環(huán)節(jié),引入對(duì)不同顯示波段進(jìn)行選擇顯示的遠(yuǎn)紅外成像裝置,涵蓋顏色與溫度、區(qū)域與感光等智能處理功能,具體參數(shù)及性能如表2所示。其識(shí)別精度控制在±1.50%范圍內(nèi),選擇聚焦平面進(jìn)行圖像識(shí)別與監(jiān)測(cè),像素分辨率達(dá)1 200ppi。

表2 基于計(jì)算機(jī)視覺(jué)的芋頭病害監(jiān)測(cè)系統(tǒng)圖像識(shí)別硬件參數(shù)及性能

2.3 軟件監(jiān)控設(shè)計(jì)

軟件監(jiān)控設(shè)計(jì)是實(shí)現(xiàn)芋頭病害外形特征準(zhǔn)確識(shí)別與監(jiān)測(cè)的前置關(guān)鍵因素,核心在于通過(guò)芋頭圖像數(shù)據(jù)庫(kù)信息與實(shí)地采集芋頭圖像信息進(jìn)行特征匹配、再獲取區(qū)別性圖像形狀特點(diǎn)后通過(guò)不同計(jì)算通道展開(kāi)病害圖像的分類識(shí)別。圖6為基于計(jì)算機(jī)視覺(jué)的芋頭病害判定監(jiān)控流程。由圖6可知:經(jīng)芋頭監(jiān)測(cè)圖像信息病害性判定后,進(jìn)入局部病害位置的特征增強(qiáng)與信息定位,從而提取出所需芋頭病害特征進(jìn)行指令式分類劃分,并形成系列對(duì)應(yīng)防控措施,將芋頭病害苗頭發(fā)展態(tài)勢(shì)控制在損失最小化界限。

進(jìn)行芋頭病害監(jiān)測(cè)系統(tǒng)的后臺(tái)控制程序輸入,以實(shí)現(xiàn)病害圖像的特征提取為目標(biāo)。通過(guò)顏色、紋理及整體形狀參數(shù)的設(shè)定,獲得監(jiān)測(cè)病害圖像的輪廓。核心程序片段如下:

……

public Matrix

TraditionFeatureExtraction(Image

imageLesion)

CvInvoke.cvThreshold(grayimg,mask,0,255,

Emgu.CV.CvEnum.THRESH.CV_ THRESH_OTSU);

MemStorage storage = new MemStorage();

Contourcontours = mask.FindContours(

Emgu.CV.CvEnum.CHAIN_APPROX_METHOD.

CV_CHAIN_APPPOX_NONE,

Emgu.CV.CvEnum.RETR_TYPE.CV_

RETR_EXTERNAL,storage);

for(;contours!=null;contours=

contours.HNext){

if((contours.Area>AREA_ THRESHOLD)||

contours.Area== AREA_ THRESHOLD)){

m_LesionColorFeature = LesionColorFeature(

imgeLesion,contours);

m_LesionTextureFeature = lesionTextureFeature(

imgeLesion,contours);

m_LesionShapeFeature = lesionShapeFeature(

contours);

m_LesionFeature =new double[n];

……

圖6 基于計(jì)算機(jī)視覺(jué)的芋頭病害識(shí)別系統(tǒng)軟件監(jiān)控流程簡(jiǎn)圖

3 病害識(shí)別監(jiān)測(cè)試驗(yàn)

3.1 試驗(yàn)過(guò)程

在芋頭生長(zhǎng)環(huán)境、光照、采集時(shí)間一致的基礎(chǔ)上,獲取所需監(jiān)測(cè)與識(shí)別的芋頭田間葉片或莖稈圖像,進(jìn)行特征性選取,保證每組芋頭圖像拍攝照片方式一致、采集條件一致。采用MatlLab軟件進(jìn)行圖像分割處理,VC++進(jìn)行指令實(shí)現(xiàn),得到所需前述5種常見(jiàn)芋頭病害癥狀的識(shí)別與監(jiān)測(cè),整個(gè)試驗(yàn)顯示紋理清晰、監(jiān)測(cè)穩(wěn)定,如圖7所示。

圖7 基于計(jì)算機(jī)視覺(jué)的芋頭病害識(shí)別監(jiān)測(cè)試驗(yàn)病斑特征顯示

3.2 數(shù)據(jù)分析

對(duì)芋頭常見(jiàn)的灰斑病、炭疽病、疫病、污斑病及軟腐病5種常見(jiàn)病態(tài)進(jìn)行圖像監(jiān)測(cè)識(shí)別,分別對(duì)每種病態(tài)監(jiān)測(cè)次數(shù)設(shè)置一致,均為25次,結(jié)果如表3所示。由表3可知:以圓形病斑為特征的灰斑病識(shí)別率可達(dá)到89.7%;針對(duì)病斑呈近圓形,圖像邊界顯現(xiàn)不清晰的污斑病態(tài)識(shí)別率為88.9%;整體芋頭病害監(jiān)測(cè)與識(shí)別率可保證在88%以上。

表3 芋頭病害監(jiān)測(cè)識(shí)別試驗(yàn)數(shù)據(jù)統(tǒng)計(jì)

4 結(jié)論

1)將計(jì)算機(jī)視覺(jué)技術(shù)與芋頭病害識(shí)別與監(jiān)測(cè)實(shí)現(xiàn)目標(biāo)相結(jié)合,建立了芋頭病害監(jiān)測(cè)識(shí)別控制理論模型。

2)選取5種芋頭常見(jiàn)病害進(jìn)行預(yù)置圖像信息數(shù)據(jù)庫(kù)輸入,建立基于計(jì)算機(jī)視覺(jué)的芋頭病害識(shí)別與監(jiān)測(cè)系統(tǒng),分別從硬件電路選型、軟件程序編制方向進(jìn)行參數(shù)匹配,以實(shí)現(xiàn)核心芋頭病害圖像的采集、預(yù)處理、分割及特征提取等關(guān)鍵操作。

3)進(jìn)行芋頭病害監(jiān)測(cè)識(shí)別試驗(yàn):①得到多組清晰化的芋頭病害特征與癥狀顯示圖,便于直觀化識(shí)別與分類管控;②得出該監(jiān)測(cè)系統(tǒng)整體對(duì)芋頭常見(jiàn)病害的識(shí)別率,可保證在88.5%～91.3%范圍內(nèi)試驗(yàn)效果良好,驗(yàn)證了基于計(jì)算機(jī)視覺(jué)進(jìn)行芋頭病害識(shí)別監(jiān)測(cè)思路的可行性,可為其他類似農(nóng)作物病害監(jiān)測(cè)提供一定參考。