小麥條銹菌孢子的在線圖像獲取與計(jì)數(shù)方法研究.pdf

1、小麥條銹病一直是威脅我國小麥優(yōu)質(zhì)、高產(chǎn)的重要病害，由于對其早期準(zhǔn)確預(yù)測預(yù)報(bào)技術(shù)的缺乏，使得小麥條銹病發(fā)病普遍而且嚴(yán)重，而夏孢子菌源數(shù)是影響小麥條銹病發(fā)病和傳播的直接因素。為實(shí)現(xiàn)對田間空氣中小麥條銹菌夏孢子數(shù)量的遠(yuǎn)程實(shí)時(shí)快速測定，本研究對實(shí)時(shí)在線圖像獲取技術(shù)和顯微圖像處理技術(shù)展開研究，主要研究內(nèi)容及結(jié)論如下:
　　(1)對小麥條銹菌孢子顯微圖像的預(yù)處理、分割和形態(tài)學(xué)處理方法進(jìn)行了研究。利用實(shí)驗(yàn)室條件下所獲得的小麥條銹菌孢子顯微圖像為

2、對象進(jìn)行了試驗(yàn)研究。首先對圖像縮放、顏色空間轉(zhuǎn)換、圖像灰度化等進(jìn)行了研究。然后利用四種不同的分割方法:K-means聚類法、Otsu閾值分割法、Canny邊緣檢測法、分水嶺分割法進(jìn)行了分割對比試驗(yàn)。對比了RGB、L*a*b*、HSV等三種顏色空間下利用不同分量進(jìn)行K-means聚類的效果。通過對試驗(yàn)結(jié)果的分析比較選擇出了最優(yōu)的分割方法，本研究中最優(yōu)分割方法為基于Canny邊緣檢測的分割方法。對分割后的圖像進(jìn)行了形態(tài)學(xué)處理。該研究利用基于

3、Canny邊緣檢測的分割方法實(shí)現(xiàn)了孢子目標(biāo)區(qū)域的分割，通過形態(tài)學(xué)處理得到了邊緣平滑的孢子區(qū)域二值圖像。
　　(2)對小麥條銹菌孢子的識別與計(jì)數(shù)方法進(jìn)行了研究。利用單個(gè)孢子形狀簡單、形狀因子較大，粘連孢子形狀較復(fù)雜、形狀因子較小的特性，通過形狀因子對單個(gè)與粘連孢子進(jìn)行了識別。對識別后的孢子利用兩種計(jì)數(shù)方法:平均面積法和角點(diǎn)檢測法進(jìn)行了計(jì)數(shù)。對Harris和SUSAN兩種角點(diǎn)檢測算法進(jìn)行了對比試驗(yàn)，對經(jīng)典Harris角點(diǎn)檢測算法進(jìn)行了

4、改進(jìn)，使其更適合于檢測粘連區(qū)域的邊緣交點(diǎn)，通過對比發(fā)現(xiàn)Harris角點(diǎn)檢測法檢測結(jié)果更好。利用127幅400倍放大的顯微圖像和342幅200倍放大的顯微圖像進(jìn)行了孢子計(jì)數(shù)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明平均面積法和角點(diǎn)檢測法的平均計(jì)數(shù)準(zhǔn)確率均不小于84％，能夠?qū)︽咦舆M(jìn)行較準(zhǔn)確的計(jì)數(shù)。
　　(3)提出了一種小麥條銹菌孢子顯微圖像在線獲取方法。該方法利用真空泵、51單片機(jī)、數(shù)碼顯微鏡、4G無線路由器、Intel微型機(jī)、太陽能供電系統(tǒng)等進(jìn)行小麥條銹菌

5、孢子的捕獲、顯微圖像獲取和圖像無線傳輸，從而實(shí)現(xiàn)了小麥條銹菌孢子顯微圖像的在線獲取。解決了田間小麥條銹菌孢子監(jiān)測的實(shí)時(shí)性問題，為進(jìn)一步實(shí)現(xiàn)小麥條銹病的預(yù)測預(yù)報(bào)提供了強(qiáng)有力的基礎(chǔ)支撐。
　　(4)設(shè)計(jì)了一種小麥條銹菌孢子計(jì)數(shù)軟件。利用Matlab的GUI編譯工具箱完成了小麥條銹菌孢子計(jì)數(shù)軟件的設(shè)計(jì)。對其功能實(shí)現(xiàn)與使用進(jìn)行了詳細(xì)說明。該軟件可利用4種不同的分割方法、2種不同的計(jì)數(shù)方法進(jìn)行孢子的計(jì)數(shù)，使用直觀明了，操作簡單，可在Matl