發(fā)布時間：2021-09-03 09:10

　　在蘋果種植面積和產(chǎn)量日益增長的情況下,果實的各種病變?nèi)绾邳c病、斑點落葉病等也日益增多,嚴(yán)重影響了果農(nóng)的經(jīng)濟收益。針對傳統(tǒng)人工肉眼檢測方法,受人為主觀判斷容易產(chǎn)生錯誤,降低病變識別準(zhǔn)確度的缺陷,提出了基于最大類間方差法（OTSU）的蘋果果實病斑圖像分割方法。設(shè)計開發(fā)了蘋果病斑圖像分割處理系統(tǒng),系統(tǒng)基于MATLAB GUI開發(fā)界面,將讀取的蘋果彩色病斑圖像分別進行灰度處理、直方圖均衡化、濾波增強、模糊增強、圖像分割、識別病斑區(qū)域等一系列操作,分別選取蘋果黑點病、斑點落葉病、苦痘病、紅點病、痘斑病、日灼病等六種病斑果實圖像進行采樣處理,利用OTSU算法對六種蘋果病斑圖像進行分割識別。分割實驗結(jié)果顯示,對于病斑適中、顏色較深的蘋果病變區(qū)域分割后識出率和識別成功率較高。 

【文章來源】：計算機技術(shù)與發(fā)展. 2020,30(12)

【文章頁數(shù)】：6 頁

【部分圖文】：

蘋果病斑圖像分割處理系統(tǒng)界面

六種蘋果病斑圖像分類選擇界面

蘋果病斑圖像分割處理系統(tǒng)對六種不同的蘋果病斑圖像進行分割后的結(jié)果如圖5所示。根據(jù)表1和表2及圖5分割圖像分析得出,圖5(a)所示黑點病斑圖像的識別率為61.9%。由于病斑點的顏色深淺不同、病斑大小不同及自然光照不充足,所以部分偏小病斑和右下方成片狀無法分割。圖5(b)所示蘋果斑點落葉病斑圖像由于左側(cè)病斑偏小顏色偏淺并且下方連城片狀無法分割,所以識別率為66.7%。圖5(c)所示蘋果苦痘病斑圖像的識別率為100%。由于病斑點大小差別不大,光線照射充足所以識別率為100%。但同時錯誤率也有11.11%,造成這種情況的原因是左側(cè)病斑點與周圍環(huán)境連城片,蘋果頂端凹陷處成黑色斑點被誤識別為病斑點。圖5(d)所示紅點病斑圖像的識別率為47.37%。造成這一結(jié)果的原因是紅點病斑多而群發(fā),且都集中在蘋果右下側(cè)分割后與背景顏色連接成片狀無法分割。圖5(e)所示痘斑病斑圖像分割識別率為85.71%,大部分病斑點都分布在蘋果果實上端、光照充足,病斑點大小顏色相近,未出現(xiàn)成片狀分割結(jié)果,但是誤把蘋果果實頂端的凹陷處識別為病斑點。圖5(f)所示蘋果日灼病斑圖像的原始計算值中識別率計算結(jié)果超過100%,因為光線和果實自身的影響、OTSU算法計算出的分割閾值存在缺陷,導(dǎo)致分割出過多誤識的目標(biāo),根據(jù)前面假設(shè),果實病斑的實際大小與目標(biāo)相差過遠,因此將圖5(f)所示蘋果日灼病斑圖像中下方成片、微小的目標(biāo)可忽略不計入分割出的病斑數(shù)。所以對蘋果日灼病斑圖像的分割總目標(biāo)數(shù)Nm進行矯正,計算出識別率為100%。綜合表1、表2實驗結(jié)果和圖5六種蘋果病斑圖像分割結(jié)果,識別分割目標(biāo)已經(jīng)基本和背景分離,初步達到預(yù)期效果。但是識別成功率還是低于識別率,并存在一定的錯誤和漏識。

【參考文獻】：
期刊論文
[1]基于改進全卷積神經(jīng)網(wǎng)絡(luò)的黃瓜葉部病斑分割方法[J]. 王振,張善文,王獻鋒.  江蘇農(nóng)業(yè)學(xué)報. 2019(05)
[2]幾種殺菌劑防治蘋果斑點落葉病田間試驗[J]. 楊華,李廣旭,張廣仁,戴啟東.  北方果樹. 2019(06)
[3]基于改進LBP和Otsu相結(jié)合的病害葉片圖像分割方法[J]. 許新華.  計算機產(chǎn)品與流通. 2019(08)
[4]基于改進全卷積神經(jīng)網(wǎng)絡(luò)的玉米葉片病斑分割[J]. 王振,師韻,李玉彬.  計算機工程與應(yīng)用. 2019(22)
[5]OTSU算法在圖像分割中的應(yīng)用研究[J]. 燕紅文,鄧雪峰.  農(nóng)業(yè)開發(fā)與裝備. 2018(11)
[6]基于顏色特征的水稻病害圖像分割方法研究[J]. 蘇博妮,化希耀,范振岐.  計算機與數(shù)字工程. 2018(08)
[7]蘋果紅點病發(fā)生的原因及預(yù)防措施[J]. 楊麗娜,王小俠,杜維林.  山西果樹. 2015(02)
[8]自然場景下基于混合顏色空間的成熟期蘋果識別方法[J]. 錢建平,楊信廷,吳曉明,陳梅香,吳保國.  農(nóng)業(yè)工程學(xué)報. 2012(17)
[9]蘋果苦痘病的發(fā)生與防治[J]. 韓麗紅.  北方果樹. 2012(03)
[10]基于混合蛙跳算法改進的OTSU遙感圖像分割方法[J]. 路彬彬,賈振紅,何迪,楊杰,龐韶寧.  計算機應(yīng)用與軟件. 2011(09)

碩士論文
[1]基于形狀和顏色特征的小麥白粉病生長模型研究[D]. 袁萬賓.鄭州輕工業(yè)大學(xué) 2019
[2]基于計算機視覺的柑橘潰瘍病圖像分割的研究[D]. 魏家璽.廣西大學(xué) 2019
[3]基于機器視覺的蘋果分級檢測算法研究[D]. 孫斐.鄭州大學(xué) 2018
[4]基于改進LBP的復(fù)雜背景下作物病害葉片病斑分割方法研究[D]. 許新華.鄭州大學(xué) 2018
[5]基于多信息融合的蘋果智能分級技術(shù)研究[D]. 王克俊.蘭州交通大學(xué) 2009



本文編號：3380836