基于計算機(jī)視覺和光譜分析技術(shù)的蔬菜葉部病害診斷研究.pdf

1、數(shù)字化、標(biāo)準(zhǔn)化、無損傷、定量、早期識別植物病害,成為作物病害診斷的趨勢。論文針對植物病害癥狀復(fù)雜、現(xiàn)有診斷技術(shù)檢測效率低等問題,綜合利用計算機(jī)視覺、數(shù)字圖像處理、模式識別、高光譜成像、光譜分析、化學(xué)計量學(xué)和植物病理學(xué)等諸多領(lǐng)域的知識,開展對黃瓜、番茄主要病害和植物病原真菌的快速、無損檢測方法研究,并在此基礎(chǔ)上建立了病害和病原菌快速檢測模型和病害診斷系統(tǒng)。
　　 1.對病害在可見光范圍的彩色圖像進(jìn)行分析,構(gòu)建了基于計算機(jī)視覺的番茄

2、葉部病害自動識別診斷系統(tǒng)。以番茄早疫病(Alternaria solani)、晚疫病(Phytophthora infstana)、葉霉病(Fulvia fulva)、棒孢葉斑病(Corynespora cassiicola)、假尾孢葉斑病(Pseudocercosporafuligend)、斑枯病(Septoria lycopersici)、灰葉斑病(Stemphylium solani)、白粉病(Sphaerothecafulifi

3、nea)、漆腐病(Myrothecium roridum)等9種重要的葉部病害為研究對象,搭建了一套適用于室內(nèi)操作的病害樣本圖像采集系統(tǒng)；建立了病害在不同時期、環(huán)境、品種壓力下的癥狀標(biāo)準(zhǔn)化數(shù)字圖像庫；定量提取了病斑的9個顏色特征參數(shù)、5個紋理特征參數(shù)和4個形狀特征參數(shù)；建立了病害識別模型,識別準(zhǔn)確率達(dá)到94％以上,初步實現(xiàn)了番茄葉部病害的自動診斷。以MATtAB為平臺,構(gòu)建了基于計算機(jī)視覺的番茄葉部病害自動識別軟件試驗系統(tǒng),為實現(xiàn)番茄病

4、害的田間實時在線監(jiān)測提供了可能。
　　 2.利用高光譜成像技術(shù)(400-720nm),將圖像分析與光譜分析相結(jié)合,實現(xiàn)了對黃瓜白粉病(Spphaerotheca fuliginea)、角斑病(Pseudomopnas syringae)、霜霉病(Pseudoperonosporacubensis)、棒孢葉斑病(Corynespora cassiicola)發(fā)病和無病區(qū)域的識別。搭建了一套高光譜圖像采集處理系統(tǒng),進(jìn)行病害樣本高光譜

5、信息的采集和標(biāo)定,建立了黃瓜葉部病害高光譜信息數(shù)據(jù)庫；采用特征波段選擇和特征波段提取兩種方法實現(xiàn)數(shù)據(jù)的降維,建立病害識別模型。利用逐步判別分析從高光譜圖像55個波段中選擇了12個波段組成特征空間,對訓(xùn)練樣本和測試樣本的識別正確率分別為100％和94％。利用典型判別把原始的55維光譜空間投影到一個二維的特征空間,對訓(xùn)練樣本和測試樣本的識別正確率均達(dá)100％。結(jié)果表明,利用高光譜成像技術(shù)可以快速、精確地對病害進(jìn)行識別。
　　 3.利

6、用傅立葉變換紅外光譜技術(shù),探索了人眼尚未觀察到癥狀時病害的診斷技術(shù),實現(xiàn)了黃瓜棒孢葉斑病的早期檢測。測定接種棒孢葉斑病菌的黃瓜葉片和健康黃瓜葉片在4000-400cm-1范圍FHR光譜,確定了1735cm-1、1545cm-1和1240cm-1三個敏感譜帶,利用峰面積值的變化,在接種后第二天就可以確定棒孢葉斑病的發(fā)生,通過葉面觀察五天后才表現(xiàn)癥狀,為病害的早期診斷提供了新的途徑。
　　 4.針對植物病原真菌孢子形態(tài)的多樣性與特異

7、性,通過對孢子顯微圖像分析,開發(fā)制作了植物病原真菌孢子自動識別系統(tǒng)。以白粉菌屬(Erysfphe)、棒孢菌屬(Corynespora)、鏈格孢菌屬(Alternaria)、葡萄孢屬(Botryas)、尾孢菌屬(Cercospora)、炭疽菌屬(Colletotrichum)、葉點霉屬(Phyllosticta)等7個重要植物病原真菌屬為研究對象,搭建了一套計算機(jī)視覺顯微形態(tài)數(shù)字圖像采集系統(tǒng),建立了病原菌孢子形態(tài)標(biāo)準(zhǔn)化圖像數(shù)據(jù)庫；采用數(shù)學(xué)

8、形態(tài)學(xué)方法對孢子圖像進(jìn)行分割；提取了每個孢子圖像區(qū)域的輪廓邊緣長度、孢子形狀標(biāo)準(zhǔn)圓相似度、形狀相似性能量等形狀特征參數(shù)和孢子區(qū)域歸一化灰度分布特征:提出一種基于形狀信息的貝葉斯分類算法,對植物病原真菌進(jìn)行分類識別,準(zhǔn)確率達(dá)到89％以上:在此基礎(chǔ)上,開發(fā)制作了基于計算機(jī)視覺和圖像處理的植物病原真菌孢子自動分類識別軟件系統(tǒng)。
　　 5.根據(jù)植物病原真菌的化學(xué)特征,將FTIR光譜法與多元統(tǒng)計分析相結(jié)合,實現(xiàn)了27種植物病原真菌的分類鑒

9、別。以來自19個屬的27種重要園藝作物病害病原真菌為研究對象,用FTIR-AIR光譜法測定真菌在4000-400cm-1范圍的紅外光譜,獲得了分辨率高、重現(xiàn)性好的真菌紅外譜圖；確定了3050-2800cm-1、1800-1485cm-1、1485-1185cm-1和1185-900cm-1四個光譜分析靈敏區(qū)；采用聚類分析和典型判別分析兩種方法對27種植物病原真菌進(jìn)行分類,結(jié)果顯示兩種方法的分類正確率達(dá)到97％以上,說明傅立葉變換紅外光譜

10、技術(shù)在真菌分類識別方面具有很大的應(yīng)用潛能。
　　 本論文將植物病害的診斷理論與現(xiàn)代信息技術(shù)相結(jié)合,通過學(xué)科交叉,進(jìn)行了植物病害和病原真菌診斷的探索性研究。對于植物病害識別,一方面,針對具有典型癥狀的葉部病害,根據(jù)可見光范圍內(nèi)病害的圖像信息,構(gòu)建了基于計算機(jī)視覺的番茄葉部病害自動識別系統(tǒng)；利用圖像與光譜相結(jié)合的高光譜成像技術(shù),實現(xiàn)了黃瓜葉部病害的診斷。另一方面,針對癥狀不明顯的病害或者根部病害,引入了傅立葉變換紅外光譜技術(shù),在人眼