計(jì)算機(jī)視覺在香芋病害檢測(cè)中的應(yīng)用研究

王 佳

(鶴壁職業(yè)技術(shù)學(xué)院,河南 鶴壁 458030)

0 引言

香芋是人們生活中常見的糧食作物,在香芋的生長(zhǎng)期內(nèi)常會(huì)染上黑斑病、病毒病等病害,一般發(fā)病率為30%～50%,嚴(yán)重時(shí)田塊內(nèi)發(fā)病的株數(shù)可以達(dá)到100%[1],嚴(yán)重影響了香芋的產(chǎn)量和質(zhì)量。對(duì)于香芋來說,病害最直觀的體現(xiàn)是葉片和葉柄等部位出現(xiàn)病斑。傳統(tǒng)防治病害的方法是通過肉眼識(shí)別,進(jìn)行針對(duì)性的病害防治。但是,這種方法對(duì)于病害的診斷具有局限性和主觀性,不能夠?qū)ο阌蟛『Φ念愋秃筒『Τ潭茸龀隹陀^的判斷,導(dǎo)致后續(xù)的病害防治工作達(dá)不到預(yù)期的效果。

計(jì)算機(jī)視覺技術(shù)是利用攝像機(jī)進(jìn)行拍攝,將得到的圖像通過軟件進(jìn)行處理和計(jì)算,得到預(yù)期結(jié)果的一種方法[2-3],結(jié)合了計(jì)算機(jī)技術(shù)、圖像處理技術(shù)和人工智能技術(shù)。圖像處理技術(shù)是與計(jì)算機(jī)結(jié)合使用的一種圖像處理方法,在對(duì)香芋病害機(jī)制識(shí)別時(shí),通過在計(jì)算機(jī)中存儲(chǔ)香芋病害的數(shù)據(jù),建立香芋病害數(shù)據(jù)庫(kù);利用圖像處理技術(shù)對(duì)拍攝到的香芋圖像進(jìn)行處理,并與香芋病害數(shù)據(jù)庫(kù)進(jìn)行對(duì)比、分析,確定病害種類;進(jìn)而采取針對(duì)性的防治病害的措施,降低由于香芋病害導(dǎo)致的經(jīng)濟(jì)損失。與人工識(shí)別香芋病害相比,計(jì)算機(jī)視覺識(shí)別香芋病害具有識(shí)別速度快及對(duì)病害種類和病害程度識(shí)別準(zhǔn)確的優(yōu)勢(shì)[3],還可以實(shí)現(xiàn)遠(yuǎn)程控制、降低人工成本,因此可以將計(jì)算機(jī)視覺技術(shù)應(yīng)用于香芋病害的檢測(cè)研究中。

本文通過計(jì)算機(jī)視覺技術(shù)對(duì)香芋進(jìn)行病害識(shí)別,利用建立的香芋病害數(shù)據(jù)庫(kù),對(duì)需要識(shí)別的香芋病害進(jìn)行特征提取、病害分析,實(shí)現(xiàn)病害自動(dòng)識(shí)別。

1 設(shè)計(jì)思路

1.1 總體技術(shù)路線

香芋病害檢測(cè)系統(tǒng)主要由病害圖像采集裝置、圖像處理系統(tǒng)、形態(tài)特征提取系統(tǒng)和缺陷目標(biāo)檢測(cè)系統(tǒng)組成,如圖1所示。

圖1 香芋病害檢測(cè)系統(tǒng)總體設(shè)計(jì)路線。

1.2 圖形采集裝置

采集的環(huán)境不同,采集方法也不同。所謂環(huán)境,是指室內(nèi)環(huán)境和室外環(huán)境。若為室內(nèi)采集,考慮到圖像受環(huán)境的影響較小,因此可以采用攝像機(jī)對(duì)病害圖像進(jìn)行采集;若為室外采集,由于其受到外界環(huán)境影響較大,且需要便于攜帶,則采用數(shù)碼相機(jī)采集圖像,以減少自然光對(duì)圖像質(zhì)量的影響。

1.3 圖像處理系統(tǒng)

圖像處理系統(tǒng)、形態(tài)特征提取系統(tǒng)和缺陷目標(biāo)檢測(cè)系統(tǒng)設(shè)置在計(jì)算機(jī)內(nèi)部。工作時(shí),圖像處理系統(tǒng)首先對(duì)采集到的圖像進(jìn)行去噪聲處理,減少噪聲對(duì)病害識(shí)別的影響;然后通過圖像分割的方式對(duì)圖片進(jìn)行處理,包括顏色和紋理形態(tài)的分割,確定香芋葉片中包含的病害種類,為后續(xù)香芋病害特征提取、分析和相關(guān)數(shù)據(jù)庫(kù)的建立做準(zhǔn)備。

1.4 形態(tài)特征提取系統(tǒng)

病害的識(shí)別主要包括顏色、紋理等特征,利用RGB模型提取病斑的顏色特征,利用統(tǒng)計(jì)學(xué)提取病斑的紋理特征,同時(shí)舍棄對(duì)識(shí)別病害貢獻(xiàn)較低的特征,確保病斑識(shí)別的準(zhǔn)確率。

在初始病害識(shí)別時(shí),首先需要建立病害的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù),利用支持向量的算法對(duì)系統(tǒng)進(jìn)行訓(xùn)練,并進(jìn)行病害識(shí)別測(cè)試,確定病害種類。

1.5 缺陷目標(biāo)檢測(cè)

將待識(shí)別的病害與標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)進(jìn)行對(duì)比分析,計(jì)算病害與樣本的接近度。如果病害在隸屬度范圍內(nèi),則確認(rèn)該病害的類別。

2 軟件設(shè)計(jì)

2.1 病害圖像特征提取

2.1.1 顏色特征提取

顏色可以直觀反映香芋葉部病害的視覺特征。對(duì)香芋來說,顏色向量的計(jì)算較為簡(jiǎn)便,更容易實(shí)現(xiàn),因此首先選取顏色特征作為識(shí)別香芋病害的依據(jù)。

通常攝像機(jī)和數(shù)碼相機(jī)獲得的圖片模型為RGB模型,考慮到RGB模型的各分量均與光照亮度密切相關(guān),而在室外條件下光照亮度變化較大,為了減少亮度對(duì)病害類型識(shí)別的影響,將圖像的RGB模型轉(zhuǎn)換為HSI模型,并將HSI模型的3個(gè)向量作為研究對(duì)象,對(duì)香芋病害進(jìn)行識(shí)別。其轉(zhuǎn)換關(guān)系為

確定HSI各向量值后,采用顏色矩作為顏色特征的描述方式,由于顏色信息主要存在于一階、二階和三階矩中,因此僅對(duì)各顏色向量這3階接矩進(jìn)行計(jì)算[4]。各階矩計(jì)算公式為

其中,m為各像素總數(shù);H(pj)為p圖像中第j個(gè)像素所占灰度值。根據(jù)不同的病害類型的HSI各向量的范圍,即可確定病害類別。

2.1.2 紋理特征提取

除了顏色特征,由于香芋葉片病害區(qū)域的紋理和正常區(qū)域紋理在粗細(xì)和走向上有很大不同,因此紋理特征也是病害區(qū)域的表面特征之一。紋理主要是針對(duì)葉片灰度的描述,因此首先將彩色圖片進(jìn)行灰度處理。圖片的灰度轉(zhuǎn)換公式為

Pδ(i,j)=0.2989×R(i,j)+0.5870×G(i,j)+0.1140×B(i,j)

其中,Pδ(i,j)為像素點(diǎn)的灰度級(jí)別;(i,j)為像素點(diǎn)位置。為減少計(jì)算量并提高計(jì)算速度,將灰度級(jí)別量化為16個(gè)等級(jí),因此i,j≤16。R(i,j)、G(i,j)和B(i,j)分別為像素點(diǎn)在RGB模型中的紅色、綠色和藍(lán)色分量。

對(duì)灰度矩陣進(jìn)行歸一化處理[5],即

紋理特征主要包括以下4四個(gè)要素,即角二階矩f1、對(duì)比度f2、相關(guān)性f4和熵f3。其中,角二階矩反映灰度均勻性和紋理的粗細(xì)程度,對(duì)比度反映圖像的清晰程度,相關(guān)性反映灰度矩陣行、列的相似程度,熵反映圖像非均勻性或者復(fù)雜程度。各要素的計(jì)算公式為

2.2 香芋病害識(shí)別

對(duì)于香芋病害來說,主要病害的樣本數(shù)量有限,屬于小樣本問題,而支持向量機(jī)(SVM)方法采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化(SRM)原理,具有誤差小、泛化能力強(qiáng)的優(yōu)點(diǎn),尤其適用于解決小樣本、非線性問題,因此分類器選擇采用支持向量機(jī)方法對(duì)香芋病害進(jìn)行識(shí)別。支持向量機(jī)方法是利用核函數(shù)將非線性問題推廣到高維空間,轉(zhuǎn)化成線性問題,并通過二次規(guī)劃問題對(duì)最優(yōu)分類面進(jìn)行求解[6]。

首先選取已確定存在病害的香芋葉子樣本,提取其顏色和紋理特征并優(yōu)化,并將其分為訓(xùn)練樣本和識(shí)別樣本兩組;然后,利用支持向量機(jī)根據(jù)訓(xùn)練樣本學(xué)習(xí)病斑特征,完成后由識(shí)別樣本對(duì)分類器進(jìn)行測(cè)試;分類器的核函數(shù)采用徑向基核函數(shù)對(duì)病害進(jìn)行識(shí)別。該分類方法的運(yùn)行路線如圖2所示。

圖2 支持向量機(jī)分類方法運(yùn)行路線圖。

一般支持向量機(jī)方法僅適用于對(duì)兩類樣本的分類,而香芋的病害有多種,為了使算法能夠應(yīng)用于多類別的病害分類,采用一對(duì)一投票策略[7]進(jìn)行多類別分類。該策略具有運(yùn)算速度快且不會(huì)出現(xiàn)錯(cuò)誤累積的優(yōu)點(diǎn),方法是將多個(gè)病害類別中每?jī)蓚€(gè)作為一對(duì)正負(fù)集進(jìn)行分類識(shí)別。也就是說,若有m個(gè)病害類別,則需要m(m-1)個(gè)分類器。

3 試驗(yàn)結(jié)果與分析

3.1 異常葉片識(shí)別測(cè)試

通過選取香芋的正常葉片圖片60幅,存在顏色特征異常的葉片圖片30幅,存在紋理異常葉片圖片30幅作為訓(xùn)練樣本。在訓(xùn)練完成后,選取50幅正常葉片圖片、20幅顏色有異常葉片圖片和20幅紋理有異常葉片圖片作為測(cè)試樣本對(duì)系統(tǒng)進(jìn)行測(cè)試,結(jié)果如表1所示。

表1 異常葉片識(shí)別結(jié)果。

3.2 病害葉片識(shí)別測(cè)試

分別選取存在葉片顏色異常和紋理異常,且已確認(rèn)是否存在病害的葉片圖片各30幅,作為病害葉片識(shí)別的訓(xùn)練樣本,再選取類似的葉片圖片各20幅作為測(cè)試樣本,結(jié)果如表2所示。

表2 病害葉片識(shí)別結(jié)果。

3.3 病害種類識(shí)別結(jié)果

香芋的常見病害種類為黑斑病、輪斑病和病毒病,因此主要對(duì)這3類病害進(jìn)行識(shí)別。分別選取已確定病害類別的葉片圖片作為訓(xùn)練樣本,每個(gè)病害圖片為30幅;訓(xùn)練完成后,選取30幅葉片圖片作為識(shí)別樣本,測(cè)試系統(tǒng)識(shí)別病害類別的準(zhǔn)確率。測(cè)試結(jié)果如表3所示。

表3 病害葉片種類識(shí)別結(jié)果。

續(xù)表3。

對(duì)香芋病害識(shí)別系統(tǒng)進(jìn)行異常葉片、病害葉片和病害葉片種類識(shí)別進(jìn)行訓(xùn)練和測(cè)試,結(jié)果表明:該系統(tǒng)運(yùn)行穩(wěn)定,識(shí)別病害種類正確率達(dá)到了使用要求。另一方面,為了進(jìn)一步提高該系統(tǒng)識(shí)別病害的準(zhǔn)確率,可以增加訓(xùn)練樣本數(shù),識(shí)別更多的病害種類。

4 結(jié)論

1)將計(jì)算機(jī)視覺技術(shù)應(yīng)用于香芋病害的檢測(cè)系統(tǒng),通過提取香芋葉片的顏色特征和紋理特征,建立香芋病害數(shù)據(jù)庫(kù),確保香芋病害識(shí)別的準(zhǔn)確率。

2)采用支持向量機(jī)的方法對(duì)病害進(jìn)行識(shí)別,誤差小,速度快。

3)試驗(yàn)結(jié)果表明:基于計(jì)算機(jī)視覺的香芋病害檢測(cè)系統(tǒng)能夠快速、準(zhǔn)確地識(shí)別香芋病害類別,滿足用戶對(duì)于香芋病害識(shí)別系統(tǒng)的使用要求,可為后續(xù)香芋病害的防治提供準(zhǔn)確信息。