基于病斑形状和神经网络的黄瓜病害识别.pdf

第29卷增刊1农业工程学报Vol.29Supp.1
2013年4月TransactionsoftheChineseSocietyofAgriculturalEngineeringApr.2013115

基于病斑形状和神经网络的黄瓜病害识别

贾建楠，吉海彦※
（中国农业大学“现代精细农业系统集成研究”教育部重点实验室，北京100083）

摘要：为了研究基于图像处理的黄瓜病害识别方法，试验中采集了黄瓜细菌性角斑病和黄瓜霜霉病叶片进行图
像研究。在黄瓜病斑的图像分割方面，尝试了边缘检测法和最大类间方差法进行图像处理。边缘检测法提取出来
的病态部位轮廓不是很完整，而利用最大类间方差法的图像分割效果较好。试验中提取了10个形状特征，选取黄
瓜细菌性角斑病和黄瓜霜霉病叶片的各50个样本，其中每个病害的前30个样本，共计60个样本作为训练样本输
入神经网络，对2种黄瓜病害叶片的后20个样本，共计40个样本进行测试，正确识别率达到了100%，说明通过
病斑形状和神经网络进行黄瓜细菌性角斑病和黄瓜霜霉病的识别是可行的。
关键词：病害，识别，神经网络，病斑形状，黄瓜
doi：10.3969/j.issn.1002-6819.2013.z1.017
中图分类号：TP391.41文献标志码：A文章编号：1002-6819(2013)-Supp.1-0115-07

贾建楠，吉海彦.基于病斑形状和神经网络的黄瓜病害识别[J].农业工程学报，2013，29(增刊1)：115－121.
JiaJiannan,JiHaiyan.Recognitionforcucumberdiseasebasedonleafspotshapeandneuralnetwork[J].Transactionsof
theChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2013,29(Supp.1):115－121.(inChinese
withEnglishabstract)

AnshukaSrivastave等[9]运用统计阈值的方法实现了
0引言
在三维颜色空间中对葡萄病害叶片的图像分割。在
许多黄瓜病害都可能引发叶部症状，常见的黄国内，毛罕平等[10]将模糊C均值聚类算法运用于棉
瓜病害有：霜霉病、角斑病、炭疽病、白粉病等。花病斑部分和正常部分的分割，并取得了很好的分
多年来植物病害的诊断大都采用经验定性诊断方割效果。田有文等[11]利用统计模式识别的Fisher线
法，植病工作者根据经验对患病植物进行病害识性判别函数在RGB颜色空间实现了作物病害彩色
别，主观性较强，对专家的依赖性较高，对于症状图像的分割。张艳诚等[12]应用了一种基于标记测地
相似的病害专家也很难确认[1]。为了准确识别病害，重建的分水岭算法对棉花重叠病斑图像进行分离，
计算机图像处理是一种很好的方法[2]。并且较好地保存了棉花病斑的边缘。
20世纪80年代，国外开始将图像处理运用在为了研究基于图像处理的黄瓜病害识别方法，
农业工程中[3]。MohammedEl-Helly等[4]利用人工神试验中采集了温室黄瓜细菌性角斑病和黄瓜霜霉
经网络作为分类器，对黄瓜白粉病和霜霉病进行了病的病害叶片各50个样本。分割定位待识别的黄
识别。MohammadSammany等[5]利用遗传算法优化瓜叶部病害部分病斑，提取病斑形状特征，建立基
神经网络的结构和参数来识别植物病害图像，同时于BP网络的图像特征识别模型。选取角斑病和霜
把支持向量机和神经网络2种方法应用于识别植物霉病的前30个样本，共计60个样本作为训练样本，
病害，并利用粗糙集来减少神经网络分类器的输入对每类余下的20个样本，共计40个样本进行测试,
特征向量。PunT[6]提出了基于灰度直方图熵的分割正确识别率达到了100%。
算法，KapurJ等[7]又发展了此方法。YutakaSasaki[8]
1材料与方法
采用遗传算法研究黄瓜炭疽病,从分光反射特性和
形状特性方面组建了识别参数，实现了病害识别。为了研究基于图像处理的黄瓜病害识别的方
法，选用了2种易混淆的常见黄瓜病害：细菌性角
斑病和霜霉病作为研究对象。黄瓜细菌性角斑病病
收稿日期：2012-09-23修订日期：2013-04-24
作者简介：贾建楠（1988－），女，北京人，主要研究方向为数字图像斑呈灰白色，后期易穿孔，黄瓜霜霉病病斑呈黄褐
处理。北京中国农业大学“现代精细农业系统集成研究”教育部重点实色，不穿孔；2种病的病斑均呈多角形，但细菌性
验室，。：
[e-mail]角斑病病斑较小,而且棱角不像霜霉病明显，有时
※通信作者：吉海彦（1964－），