论文部分内容阅读
本文以病症图像信息为主线,以满足用户多样化的需求为导向,探索病症图像信息求解疾病的不同创新表达方法。综合运用数字图像处理技术、模糊逻辑理论、模式识别等领域技术,研究实现了玉米叶斑病害的自动诊断系统；运用专家系统、人工智能、网络信息技术,研究实现了基于图像规则的玉米病害诊断专家系统。主要内容包括：1.大田非结构环境下玉米叶斑病害分割算法的筛选。先用中值滤波算法去除图像噪声,然后利用拉普拉斯图像锐化算法增强图像。在图像增强的基础上,本文研究实现了基于领域的对噪声不敏高斯模型的Markov随机场分割模型(G-MRF)和区域增长分割算法(SRG),分割玉米叶斑病害,并与有代表性的作物病害分割算法相比较,优选了区域增长分割算法为玉米病害的自动化识别服务。2.玉米叶斑病害图像特征提取和优选。对预处理后的病害图像提取病斑的颜色、纹理、几何形状三方面14个特征值,再对这些特征分析计算后,最终优化和选择了似圆度、偏心率和矩形度3个最具有代表性的特征参数。3.玉米叶斑病害图像的自动分类识别。利用模糊模式识别对玉米叶斑病害图像进行分类,研究对比了隶属原则识别法和择近原则识别法,设计了相应的分类器,并建立了病害诊断模型。利用VC6.0作为开发工具,编写了“玉米病斑智能识别系统”,实现了对玉米常见叶斑类病害图像的处理与识别。4.基于图像规则的玉米病害诊断专家系统的构建。在对玉米病虫草害诊断与防治知识进行深入分析的基础上,将植保专业知识与用户的田间实际体验相结合,通过优化的人机交互界面,将推理规则以典型图像加通俗文字描述的直观形式呈现给用户。面向基层农技人员和农民用户,以及基于网络和单机软件等多种服务形式,解决农户的实际应用问题,研制开发了以田间典型特征事实图像作为人机互动形式,并具有界面友好、扩展性佳、实用性强的“玉米病害诊断专家系统”,并通过国家玉米产业体系在全国范围内推广应用。