基于機器學(xué)習(xí)的煙草蛙眼病赤星病識別

朱洋 許帥濤 李藝嘉 張亮 劉鵬

[摘要]文章以常見的煙草蛙眼病與赤星病為研究對象，利用圖像處理方法分割出病斑，并提取了病斑的顏色、紋理和形態(tài)學(xué)特征，構(gòu)建原始特征空間，利用模擬退火算法進行特征優(yōu)化，選取最優(yōu)特征組合。利用ABC-SVM技術(shù)進行兩種病害的判別，識別率達到97%，有效判別出蛙眼病與赤星病，為指導(dǎo)采取合理的煙草病害防治措施提供科學(xué)依據(jù)。

[關(guān)鍵詞]煙草病害;蛙眼病;赤星病;圖像處理;特征優(yōu)化

中圖分類號：S572? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? DOI：10.16465/j.gste.cn431252ts.20190530

我國是全世界最大的煙草消費國與生產(chǎn)國，占據(jù)了全世界卷煙生產(chǎn)和消費量的1/3，近年來，煙草行業(yè)經(jīng)濟快速發(fā)展，每年向國家交稅近千萬億，成為國家重要經(jīng)濟來源之一，為國家的經(jīng)濟發(fā)展奠定了有力的基礎(chǔ)[1]。

隨著社會經(jīng)濟的不斷發(fā)展，人們生活水平也不斷提高，對卷煙產(chǎn)品的質(zhì)量要求也在提升。保證煙草生產(chǎn)質(zhì)量是各大生產(chǎn)廠家非常重視的一環(huán)。但煙草在生長期間會受到多種病菌的感染，降低了煙草的產(chǎn)量與質(zhì)量，導(dǎo)致煙草種植戶與生產(chǎn)廠家的巨大虧損，影響國家經(jīng)濟的發(fā)展。煙草病害的識別與防治工作一直是研究的重點與難點[2-8]。

目前檢測煙草病毒的主要方法有生物學(xué)鑒定法、血清學(xué)鑒定法、電鏡法以及分子生物學(xué)鑒定法等。其中血清學(xué)鑒定法更加簡單快速且靈敏度高，被廣泛用于煙草病毒的檢測[9-10]。

本文以常見的煙草蛙眼病與赤星病為研究對象，采用圖像處理的方法分割出病斑區(qū)域，提取了形態(tài)學(xué)特征、顏色和紋理等共計32個特征。利用SAA算法對原始特征空間進行優(yōu)化，構(gòu)建最優(yōu)特征空間，然后利用ABC-SVM技術(shù)進行兩種病害的判別，識別率達到97%，實現(xiàn)了煙草蛙眼病與赤星病的有效判別，為合理制定防治計劃提供科學(xué)依據(jù)[11]。

1? 樣本采集與圖像處理

本文以可見光拍攝煙草蛙眼病與赤星病樣本圖片，具體見圖1。蛙眼病和赤星病樣本圖片共400張，其中每種病害樣本為200張。

對拍攝的樣本進行去噪處理，然后進行圖像分割，提取出感興趣區(qū)域。針對提取的彩色病斑，分別通過R、G、B通道和H、S、V通道提取出顏色特征，并求出其紋理特征，最后利用二值化處理，提取目標的形態(tài)學(xué)特征。赤星病與蛙眼病病斑見圖2，赤星病與蛙眼病二值化圖像見圖3。

2? 特征提取與優(yōu)化組合

2.1? 特征提取

本文共提取了顏色、紋理與形態(tài)學(xué)特征，共計32個特征，其特征定義如下：

（1）顏色矩。顏色矩是一種顏色特征表示方法，有一階矩、二階矩和三階矩等，其顏色特征主要分布在低階矩中，利用一階矩、二階矩和三階矩足以表達圖像的顏色分布。

式中：Pi，j表示彩色圖像第j個像素的第i個分量，N表示圖像中的像素個數(shù)。

（2）紋理特征?；叶裙采仃囀且环N通過研究灰度的空間相關(guān)特性來描述紋理的常用方法，由Haralick等人于1973年提出。

2.2? 特征優(yōu)化組合

模擬退火算法（SAA）是一種隨機尋優(yōu)算法，從某一較高的溫度出發(fā)，隨著溫度的降低，結(jié)合概率突跳特性在解空間中尋找全局最優(yōu)解，可有效避免陷入局部最優(yōu)解。

本文利用模擬退火算法對原始特征空間進行了優(yōu)化，選取了適應(yīng)度值最高的特征組合，包含的特征有R通道一階矩、G通道二階矩、H通道一階矩、二階矩和三階矩、S通道二階矩和三階矩、V通道二階矩和三階矩、一致性、逆差矩、平均灰度和三階矩共計13個特征。

3? 基于ABC-SVM技術(shù)的蛙眼病和赤星病判別

3.1? ABC-SVM技術(shù)簡介

ABC算法（人工蜂群算法）是一種智能仿生算法，模仿蜜蜂的尋找食物的行為，當(dāng)蜜源食物沒有改進時，便放棄該蜜源，尋找下一個蜜源，可有效防治局部最優(yōu)值。

SVM（支持向量機）是一種監(jiān)督學(xué)習(xí)算法，基本模型是在特征空間上尋找最佳的分類超平面，使得訓(xùn)練集上不同樣本的間隔最大。

本文利用ABC算法優(yōu)化支持向量機的c、g參數(shù)組合，尋找最佳參數(shù)組合，使得支持向量機具有更好的識別效果。

3.2? 蛙眼病與赤星病的判別

本文中兩種病害共采集了400張樣本（每種病害200張樣本），將每種病害的150張樣本特征作為訓(xùn)練集，剩下的50張作為測試集。本文根據(jù)優(yōu)化后的特征組合，利用優(yōu)化了c、g參數(shù)組合的支持向量機技術(shù)對樣本特征進行判別，識別率達97%，有效地判別出了煙草常見的蛙眼病與赤星病兩種病害，識別結(jié)果見圖4，100張樣本中有3張被誤識。

4? 結(jié)? 論

（1）根據(jù)病斑的不同，本文選取了具有明顯不同的顏色、紋理等特征，并采用模擬退火算法進行特征優(yōu)化，選取最佳特征組合，以盡量少的特征達到最大的識別率。

（2）利用ABC算法優(yōu)化支持向量機的參數(shù)組合，對蛙眼病和赤星病進行判別，識別率達95%以上，實現(xiàn)了基于計算機視覺的煙草常見病害的識別分類，為制定合理的煙草病害防治計劃提供科學(xué)依據(jù)。

參考文獻

[1]李敬.基于卷積神經(jīng)網(wǎng)絡(luò)的煙草病害自動識別研究[D].泰安：山東農(nóng)業(yè)大學(xué)，2016.

[2]王剛.我國煙草病蟲害防治研究策略探討[J].中國煙草科學(xué)，2003（4）：37-39.

[3]王鳳龍.煙草病毒病綜合防治技術(shù)[J].煙草科技，2002（4）：43-45.

[4]董志堅，鄭新章，劉立全.煙草病蟲無公害防治技術(shù)研究進展[J].煙草科技，2002（12）：38-45.

[5]方敦煌，白萬明，李天飛.煙草病害防治的問題與對策[J].植物醫(yī)生，1998（1）：32-33.

[6]趙希，楊金香，楊毅.煙草病害圖像自動檢索與識別[J].中國農(nóng)業(yè)信息，2013（19）：103-104.

[7]陳雪嬌，李云飛，李剛，等.煙草主要病害及其相關(guān)檢測方法研究進展[J].河南農(nóng)業(yè)科學(xué)，2013（11）：1-6.

[8]許清孝.煙草花葉病毒的檢測方法研究進展[J].現(xiàn)代農(nóng)業(yè)科技，2013（11）：128-129.

[9]翟玉俊，劉紅海，李星亮，等.煙草病毒檢測技術(shù)研究進展[J].農(nóng)產(chǎn)品加工（學(xué)刊），2009（4）：83-88.

[10]馬國勝，何博如.煙草病毒研究現(xiàn)狀與展望[J].中國生態(tài)農(nóng)業(yè)學(xué)報，2006（2）：150-153.

[11]劉迦南，朱洋，李藝嘉，等.基于LIBSVM的煙青蟲成蟲雌雄判別研究[J].糧食科技與經(jīng)濟，2018（9）：117-119.

收稿日期：2019-04-27

基金項目：國家自然科學(xué)基金資助項目（31671580）;河南省科技攻關(guān)項目（162102110112）。

作者簡介：朱洋，男，碩士，研究方向為圖像處理與模式識別。