【《基于机器视觉农作物病虫害检测的图像特征值的提取与分析案例》2700字】

基于机器视觉农作物病虫害检测的图像特征值的提取与分析案例目录TOC\o"1-3"\h\u29017基于机器视觉农作物病虫害检测的图像特征值的提取与分析案例 1196561.1轮廓提取 1277061.2叶片虫孔识别与面积计算 227751.2.1虫孔识别与面积计算方法 2167881.2.2测试虫孔识别方法的准确性 323821.3叶片图像填充 4172151.3.1叶片几何特征提取 590241.4特征值分析与虫情分级标准 5220651.1.1特征值分析 538911.1.2虫情分级标准 6201191.5小结 6特征提取在计算机视觉和机器学习等领域起着非常重要的作用。它可以准确的描述出输入图像中的内容和物体，因此特征提取广泛应用于图像监控、农业、医疗、机器人等领域。但是，正因为应用的领域很广泛，所以对与特征提取的效率和准确度都有着一定的要求。通常来说，影响特征提取效果的原因主要有以下几个，分别是提取的特征数量过多过杂，提取出与内容不相关的特征以及特征提取计算的时间过长等问题，直接影响系统的效率[52]。本章描述了叶片图像中可以提取出的形状特征，通过对这些特征进行分析，选择本文所需的特征值并进行计算，通过这些特征值可以计算出甘蓝型油菜叶片受虫害的面积，在此基础上建立虫情分级表。1.1轮廓提取植物的叶片蕴含着大量的信息，而它的形状特征可以由轮廓进行描述。本文主要需要根据植物叶片的形状特征计算出相关的虫害程度，因此需要提取出叶片的罗阔。研究人员通常利用边缘检测算法对物体的轮廓进行提取，主要的思想就是利用相关的算法对物体边缘进行感知，然后利用定位算法计算出边缘像素的位置。由于本文是针对甘蓝型油菜的单个叶片进行研究，并且在对图像进行处理后将其转换为二值化图像。因此，考虑到每个图像中的叶片只有唯一一个，并且方便图像进行二值化操作[54]。本文采用种掏空内部点的方法，对叶片的轮廓进行提取。具体流程如图1.1所示:图1.1叶片轮廓提取流程遍历结束后，提取到的叶片轮廓如图1.2所示。边缘没有连接的部分为残缺区或者是亮度过暗的区域55]。图1.2油菜叶片轮廓1.2叶片虫孔识别与面积计算1.2.1虫孔识别与面积计算方法根据本文第三节中采集到的甘蓝型油菜叶片图像所示，大部分采集到的图片中，油菜的叶片都有或多或少的虫孔，本文采用轮廓跟踪技术对叶片上的虫孔进行识别，并且通过matlab工具箱中的相关函数对叶片中虫孔的大小和数量进行计算[56]。为后续计算叶片中虫害程度提供数据。针对本文处理的图像进行实际分析，研究对应像素位置的上、下、左、右四个紧邻像素便可以得到图像中边界像素值的坐标，这种方法叫做４连通法。并且本文利用4连通法来识别甘蓝型油菜叶片图像中被虫害之后留下的虫孔[57]。以本文第3节中进行图像预处理并转换为二值化图像为基础，进行虫孔识别。如图1.3所示，左侧为虫孔识别的图像，红色线条将叶片的轮廓描画出，并且将叶片上的虫孔进行的标记。图1.3右侧为针对这张二值化图像计算出的虫孔数目以及虫孔的总面积。图1.3虫孔识别通过上述轮廓提取和虫孔识别的方法可以统计出二值化图像的轮廓边缘以及叶片中虫孔的数量和总面积。如图1.3所示，对于这片甘蓝型油菜叶片，它的虫孔数目是61，所有虫孔的总面积为20097。1.2.2测试虫孔识别方法的准确性为了验证该方法的可行性，使用PS软件制作了6幅图像，手动添加已知大小和数量的图像，并用本章的方法进行验证和输出。如图1.4所示，左侧为输入的图像，右侧为经过识别的图像。图片下方为该图识别出的虫孔数量和总面积大小。图1.4方法验证1.3叶片图像填充对甘蓝型油菜进行感抗性程度分类时需要分别计算受到虫害的面积和叶片总面积，因此为了得到更精准的叶片几何特征，需要先对经过图像分割后的叶片进行处理。将目标叶片区域的虫洞补上，并且对叶片边缘部分缺陷的地方进行填充。填充的具体步骤如下[58]：（1）利用floodFill函数将图像1.5（a）的黑色背景区域填充为白色。此时图中只有虫孔区域为黑色。（2）将整个图像取反，此时虫洞区域为白色，其他区域为黑色。（3）最后一步将图1.5（a）的图像与上一步处理后的图像取并集，则目标叶片和虫洞区域变为白色，像素值为1。背景变为黑色，像素值为0。原二值图像与填充后二值图像对比如图1.5所示。其中1.5（a）为经过图像分割后的图像的二值化，1.5（b）为经过填充后的二值化图像。（a）原图二值图像（b）填充后的二值图像图1.5图像填充1.3.1叶片几何特征提取本文研究的内容与叶片的几何特征息息相关，因此，需要将相关的特征进行提取。在1.2节计算出甘蓝型油菜叶片的虫孔面积，将虫孔面积与叶片面积进行计算可以得到该叶片的虫害程度。但是由于叶片上都或多或少有一些虫孔，为了更加精确的计算出叶片的面积，首先需要对叶片进行填充，然后利用公式对面积进行计算。表1.1为本文提取的叶片几何特征值及相关公式。表1.1提取几何特征及相关公式1.4特征值分析与虫情分级标准1.1.1特征值分析本文是通过研究被菜青虫啃咬导致叶片产生虫洞和缺陷的程度来判断甘蓝型油菜的虫情，从而计算出油菜的虫害指数，在通过虫害指数的范围确定不同油菜的菜青虫抗性。只有确定了油菜对于该虫的抗性，才能对其以后的生长状态进行检测。基于1.3.1节提取的几何特征以及本文的目标，只需要留下叶片完整的面积这项特征值即可。利用菜青虫造成的虫洞面积与1.3.1节获得的叶片面积求比从而得到虫情的分级，为确定抗虫性等级和制定防治方案提供依据。N=ScS公式（1.7）中的N为虫洞面积与叶片面积的比值，即被菜青虫损害面积占叶片总面积的百分比。Sc是菜青虫损害的叶片面积，Sy是叶片总面积，P是单位像素的面积，Rd是虫洞区域，R是整个叶片的区域[59]。根据公式（1.7）可以计算出叶片虫害区域所占总叶片面积的分量。1.1.2虫情分级标准为了减少植物病害造成的严重后果，需要对植物的病虫害程度进行检测。其中，基于单个植株或器官，常用病害严重程度进行衡量，可以直接表现该叶片被害虫影响的严重程度。利用1.5.1节中的公式（1.7）可以计算出叶片被虫害的面积所占的比率。根据中国农业出版社出版的《油菜种质资源描述规范和数据标准》建立的菜青虫虫情分级标准如表1.2所示：表1.2虫情分级标准表1.1给出了甘蓝型油菜被菜青虫啃食的虫情分级标准，为后续判断油菜的抗虫性提供基础，为确定病情指标和制定防治方案提供依据。1.5小结本章主要对叶片图像的形状特征信息进行了提取。从叶片的几何形状特征方面提取了6个用于检测甘蓝型油菜生长状态的备用特征参数。采用4连通法对叶片图像上的虫孔进行识别，并且人工制作六张已知圆形数量和面积的图像进行测试。根据测试结果可得，本文使用方法可以准确识别出圆形的数量、每个圆形的面积以及圆形的总面积，从而验证了该方法用于虫孔识别与面积计算的可行性。接着简要