论文部分内容阅读
在信息化快速发展的今天,将信息技术应用到农业作物的病虫害防治上,实现病害分级和虫害计数,最终实现减少病虫害防治成本和提高农作物的产量和质量的目的,这是现代化农业发展的一个必然趋势。本文以棉花常见的黄萎病、轮纹病两种病害和白粉虱、蚜虫两种虫害为研究对象,在国家“863计划”(2007AA10Z237)的资助下,实现了棉花黄萎病和轮纹病两种病害分级和蚜虫、白粉虱两种虫害计数系统。本系统主要包括图像预处理、特征提取与选择、图像分割、病害分级与虫害计数这四个部分。本文是基于VC++6.0开发平台实现了病害分级和虫害计数系统,通过实验测试和验证,本系统能够有效应用于棉花病害分级和虫害的计数。本文的主要研究内容有以下几点:
图像预处理:根据棉花病虫害的特点和对常见噪声的分析,分析和比较不同预处理方法的原理与效果,针对棉花病虫害特点选出适合棉花病虫害的预处理方法,从而降低外界噪声对后续处理的影响,提高系统的效率和病害分级和虫害计数的正确率。
病虫害特征提取与选择:通过分析棉花叶片病虫害的特点,研究了基于HSI和RGB颜色模型的特征提取方法,采用Relief特征选择方法对病虫害图像进行特征选择,并对特征的提取和选择的结果进行分析。
图像分割:分析不同的分割方法的原理,结合病害分级和虫害计数的需求,将支持向量机(SVM)的多分类器应用于棉花的病害分割,并提出结合支持向量机(SVM)和改进分水岭的图像分割方法对虫害的分割。
病害分级和虫害计数:本研究通过采用病斑区域所占叶片区域的比例来进棉花叶部的病害分级,并通过区域标记的方法进行虫害的计数。
本系统在VC++6.0开发平台上,采用MFC框架,基于文档--视图结构,实现了病害的自动分级和虫害的自动计数系统。基于支持向量机(SVM)的多分类器的病害分割方法能有效实现病害、叶片和背景的分离;采用SVM和改进分水岭相结合的分割方法对虫害图像进行分割,有效地将粘连的虫害进行分离,保证了后续虫害计数正确率。经过大量的病虫害图像的测试,黄萎病、轮纹病病害分割的平均正确率分别达到96.71%和96.08%,蚜虫和白粉虱虫害计数的平均正确率分别达到了95.38%和93.84%。