随着计算机技术和图像处理技术的发展,农作物病害的自动识别已成为研究热点。将图像识别技术运用在病害诊断中,除解决劳动力短缺外,对提高农作物的产量和质量,降低经济成本以及促进中国现代农业发展也具有重要意义。本文基于四川省教育厅2017年研究项目《基于图像处理的农作物病害智能诊断系统——温室黄瓜病害图像自动识别子系统研究与设计》的研究成果,利用数字图像处理、模式识别以及软件技术,研究了温室大棚黄瓜常见的三种病害图像预处理、病斑分割、特征提取和病害识别的关键算法,并构建了黄瓜病害识别系统。本研究的主要工作如下:(1)使用分段线性变换将采集的RGB图像调整为没有颜色信息干扰的灰度图像,然后通过直方图均衡化计算对图像中灰度级进行展宽或压缩,提高图像的清晰度。最后利用噪声分析,在传统的中值滤波的基础上改进算法,提出了一种自适应的中值滤波算法,更高概率过滤脉冲噪声。实验表明,本文方法能较好地完成图像预处理,使图像在去除噪声的同时更好地保持图像清晰,保留细节边缘。(2)提出了采用直方图阈值分割法,选择合适的阈值,将病斑图像与正常图像分离。实验表明,该方法能够有效地去除复杂背景,减少对病斑图像的干扰,获取完整病斑图像。(3)构造了新的特征提取技术,将RGB空间转换成HIS空间,对颜色直方图做了改进操作,设计了累计直方图,提取12个颜色特征值。在MATLAB中通过函数构造灰度共生矩阵,提取8个纹理特征值。利用主成分分析法从这20个特征中优选出9个具有代表性的值作为实验参数。结果表明:优化后的特征参数分类准确率高于原始特征参数。(4)结合本研究的实际情况,对实验样本进行了数次随机选择。对BP神经网络和支持向量机两种模式识别的方法进行了实验和比较,最终选择支持向量机识别模型。通过“一对一”的方法,借助MATLAB下的LibSVM工具箱,通过径向基核函数设计分类模型,完成病害识别。实验结果表明,支持向量机方法对于黄瓜叶片三种病害的平均识别率达到96.39%,识别准确率高。(5)基于Android开发平台IDE,借助JDK、Eclipse、MySQL、Tomcat、Matlab等工具完成了黄瓜病害识别系统的设计与实现。系统为农户提供病害诊断、病害信息查询等功能,具有显著的实用性及通用性。