植物病害一直是制约着黄瓜生产的主要因子之一,采用传统的诊断方法,时间较长,往往错过防治时期。计算机病害诊断、预测系统在一定程度上发挥着良好的指导作用,但未实现智能化,没有完全摆脱对人的严重依赖。本文以计算机视觉技术为手段,综合运用数字图像处理、模式识别及人工智能等技术,实现了黄瓜主要叶部病害的特征提取和自动诊断技术,取得一定的阶段性进展:1.建立了计算机视觉采集系统和黄瓜叶部病害数字图像数据库。搭建的适合于室内操作的计算机视觉采集系统主要由样品台、光源、照明结构、面阵CCD相机和数据采集、处理以及系统自动控制所必需的计算机等组成。通过接种方法的探讨比较、黄瓜主要叶面病害的症状观察,明确了黄瓜叶部10种病害的接种方法、接种浓度和显症时间。对北京昌平、河北廊坊、山东寿光等地的设施黄瓜产区进行了广泛的调查,采集到不同生态环境下黄瓜不同品种、不同时期的黄瓜白粉病(Erysiphe cichoracearum)、霜霉病(Pseudoperonospora cubensis )、褐斑病(Corynespora cassiicola)、炭疽病(Colletortichum orbiculare)、黑星病(Cladosporium cucumerinum)等多种主要叶部病害的初期、中期、后期新鲜标样,构建了黄瓜主要叶部病害数字图像库,每种病害图片300张。2.确定了适合于计算机视觉系统下黄瓜叶部病害图像的预处理程序和分割算法,为实现黄瓜叶部病害的自动识别分类奠定了基础。应用数字图像处理技术,对数据库中的图像进行特征提取试验。运用改进了图像处理方法,根据采集到的黄瓜叶部病害图像的特点,采用图像的灰度转换、图像增强、去噪、形态学处理方法和图像分割及特征提取等图像处理方法对图像进行了处理,确定了适合于本采集系统下黄瓜叶部病害图像的预处理程序和分割算法。3.针对黄瓜叶部病害病斑区域的表面颜色、纹理、形状自身的特点,构造了合适的描述特征参数,并对参数在黄瓜叶部病害病斑区域间的分布做了定量分析。在RGB和HIS两个颜色模型下,利用图像的颜色统计特征采用逐步判别分析,选取显著性较大的特征参量,建立起黄瓜炭疽病、黄瓜褐斑病和无病区域的分类器模型。结果表明,对黄瓜炭疽病、褐斑病和无病区域的正确回判率分别达到95%, 95.24%和100%;测试集中,黄瓜炭疽病、褐斑病和无病区域的正确识别率分别达到89.5%, 85.24%和100%。在不同黄瓜叶部病害病斑区域表面中对比度、熵值和形状复杂性特征值差异明显,能量、熵值、形状复杂性特征值和形状参数特征可作为病害严重程度的量化指标,而能量、熵、惯性矩可作为有无病斑的判据。4.将PCA算法与BP神经网络方法结合用于图像识别,开发制作了黄瓜叶部病害识别软件试验系统。仿真诊断表明经过PCA分析后的网络结构简单,训练次数减小了369次,识别率上升了5.67%,对参加建模的5种黄瓜病斑图像样本进行回判和预测平均正确率分别为93.67%和74.67%。集成各算法,开发制作了黄瓜叶部病害识别软件试验系统,描述了该软件试验系统的功能需求,并对软件操作进行了说明,试验系统的运行结果良好。本项研究为进一步开发具有商业价值的植物病害自动诊断系统提供了理论基础和应用技术,对促进计算机视觉技术、人工智能、图像处理和专家系统等技术在我国植物保护领域的应用,具有一定的实践意义。