论文部分内容阅读
苹果是我国的主要水果经济作物,其病害防治对促进地方经济发展有重要作用。传统基于图像分析技术的病害识别需专门设备获取图像,并在实验室进行图像处理分析,难以满足实时、便捷诊断病害的需求,本文针对最为常见的苹果叶部斑点落叶病、锈病以及花叶病,以广泛普及的Android手机作为图像采集终端,研究并开发基于Android平台的苹果叶部病害远程识别系统。主要研究内容及结论如下:(1)构建病叶图像的预处理流程,分析病斑分割方法。使用三段线性灰度变换扩展对比度,选择双边滤波去除叶面绒毛,使用拉普拉斯算子锐化图像,Top-hat变换去除光照影响,完成预处理。对比2R-G-B,R×R-G×B,R-G-B,R-B共4种通道融合方式,发现2R-G-B融合方式去除背景的效果最好。将遗传算法应用于模糊C均值聚类的优化,对比与最大类间方差阈值分割、迭代阈值分割、Mean shift聚类法对病斑的分割效果,证明优化后的模糊C均值聚类分割得到的病斑最完整。(2)研究病斑颜色、纹理、形状特征的提取方法并构建识别模型。最终优选H分量1阶矩、S分量1阶矩、红绿分量均值比、蓝绿分量均值比、灰度均方差、梯度熵、面积比、形状复杂性的离散指数共8个参数作为病斑有效特征。分别构建了BP网络、RBF网络、DBN网络,以及支持向量机SVM对病斑进行识别。试验结果表明,针对24幅斑点落叶病测试样本,17幅锈病测试样本,30幅花叶病测试样本,SVM的识别率最高,达到98.60%。(3)实现并测试基于Android平台的苹果叶部病害远程识别系统。系统以Android手机作为获取病叶图像的客户端,通过3G网络上传图像至远程服务器分析识别,并将识别结果返回客户端,客户端根据结果推送用户防治措施。综合考虑准确率与识别时间,最终选择SVM识别模型,对10幅测试样本的试验结果表明,从发送图像数据至收到识别结果的平均耗时为15.7s,可为果农提供方便快捷的苹果病害诊断及防治服务。