專利名稱：基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于機(jī)器視覺的實(shí)時(shí)診斷方法與系統(tǒng)，特別是一種基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷方法與系統(tǒng)。
背景技術(shù)：
蔬菜病害一直是制約著蔬菜生產(chǎn)的主要因子。蔬菜病害數(shù)目眾多，引起的癥狀呈現(xiàn)多樣性、復(fù)雜性，病害的發(fā)生不僅導(dǎo)致蔬菜產(chǎn)量和質(zhì)量的下降，而且會(huì)引起農(nóng)藥的大量投入和防治費(fèi)用的上升，增加生產(chǎn)成本，影響蔬菜的無公害綠色化生產(chǎn)，對出口貿(mào)易也造成一定障礙，同時(shí)存在潛在的環(huán)境和健康風(fēng)險(xiǎn)。蔬菜病害現(xiàn)有的診斷方法可以歸納為以下幾種一種是長期以來生產(chǎn)中主要采用的傳統(tǒng)病理學(xué)方法，即癥狀觀察，結(jié)合顯微鏡觀察以及培養(yǎng)病菌進(jìn)行識(shí)別，這種方法費(fèi)工、 費(fèi)時(shí)，難以快速地對病害進(jìn)行早期診斷，對植病專家的依賴性較大；第二種方法是20世紀(jì) 70年代興起的酶聯(lián)免疫技術(shù)(ELISA)，該方法可靈敏地定量檢測植物提取液中病毒蛋白的含量，但是在檢測植物細(xì)菌和真菌病害方面成功的實(shí)例較少；第三種方法是基于分子水平的診斷方法，如分子標(biāo)記技術(shù)、核酸序列分析技術(shù)、PCR技術(shù)等，該方法具有快速準(zhǔn)確的優(yōu)點(diǎn)，但是制備診斷試劑盒及其應(yīng)用需要較昂貴的儀器設(shè)備和專業(yè)的技術(shù)支持，因而短期內(nèi)還難以脫離實(shí)驗(yàn)室應(yīng)用于田間。因此，建立一種快速、準(zhǔn)確、無損、能推廣應(yīng)用的病害診斷方法是我國蔬菜病害綜合防治中亟待解決的問題。機(jī)器視覺技術(shù)通過各種成像系統(tǒng)實(shí)現(xiàn)圖像信息的采集，由計(jì)算機(jī)利用圖像處理技術(shù)來提取和解釋采集對象的特征，結(jié)合各種模式識(shí)別算法，可以對對象進(jìn)行定量、定性的描述和分析，在植物病害診斷方面得到了廣泛的應(yīng)用。植物感病以后，其新陳代謝發(fā)生一定的改變，可以引起植物細(xì)胞內(nèi)部的色素含量、水分和細(xì)胞的間隙，進(jìn)而引起植物外部形態(tài)改變，產(chǎn)生病斑，反映在圖像上則會(huì)形成顏色、紋理、形狀特征的差異。這些差異又直接放映了植物所受病害的種類和嚴(yán)重程度，為利用機(jī)器視覺技術(shù)和圖像處理技術(shù)診斷植物病害提供了依據(jù)。20世紀(jì)80年代中期，開始出現(xiàn)將機(jī)器視覺技術(shù)應(yīng)用到植物病害診斷上的報(bào)道。前期研究多以信息工作者為主體，病害信息采集不夠成熟；有的從色度學(xué)出發(fā)，以顏色特征作為判別依據(jù)，以區(qū)別病害種類；或單以病害樣本癥狀分光特性、形狀或紋理作為判別因子， 由于提取的都是單變量特征參數(shù)，最后進(jìn)行模式識(shí)別的準(zhǔn)確率不高，達(dá)不到推廣應(yīng)用的要求。隨著研究的深入，人們認(rèn)識(shí)到植物病害癥狀的復(fù)雜性，開始綜合了病害的形狀、紋理、顏色信息，建立了能夠完成病害種類判別的多層次模糊人工神經(jīng)網(wǎng)絡(luò)進(jìn)行多變量特征參數(shù)的提取。雖未考慮田間復(fù)雜的環(huán)境、品種和發(fā)病時(shí)期等因素的復(fù)雜性，但仍是對植物病害數(shù)字診斷方面有益的嘗試。應(yīng)用機(jī)器視覺技術(shù)代替人進(jìn)行植物病害的診斷，可以排除人為主觀因素的干擾，避免了因人而異的檢測結(jié)果，不僅將人從繁重勞動(dòng)中解放出來，而且可提高精度，為病害的網(wǎng)絡(luò)化遠(yuǎn)程診斷管理奠定基礎(chǔ)。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷方法和系統(tǒng)。 應(yīng)用機(jī)器視覺技術(shù)采集蔬菜葉部病害癥狀的圖像信息，利用圖像處理技術(shù)進(jìn)行病斑分割和特征提取，建立病害特征數(shù)據(jù)庫，并在此基礎(chǔ)上綜合利用多元統(tǒng)計(jì)分析、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，建立基于病斑圖像信息的蔬菜葉部病害自動(dòng)診斷的模型，實(shí)現(xiàn)實(shí)時(shí)、快速、 無損的蔬菜葉部病害診斷。本發(fā)明解決其技術(shù)問題采用的技術(shù)方案是一、一種基于機(jī)器視覺的蔬菜葉部病害診斷方法采集蔬菜葉部病害圖像，利用實(shí)時(shí)診斷軟件進(jìn)行圖像處理、病斑特征提取和病害實(shí)時(shí)診斷，具體步驟如下1)建立實(shí)時(shí)診斷軟件系統(tǒng)采集不同發(fā)病時(shí)期、不同生境、不同品種的蔬菜葉部病害樣本，由植病專家對每個(gè)樣本感染的病害進(jìn)行鑒定；然后采集其病害癥狀圖像；利用圖像處理技術(shù)，實(shí)現(xiàn)病斑的自動(dòng)分割，提取病斑的各項(xiàng)特征指標(biāo)，建立對應(yīng)病害的特征數(shù)據(jù)庫；在此基礎(chǔ)上，選擇適合的病斑特征參數(shù)和有效的模式識(shí)別算法，構(gòu)建基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷模型；2)進(jìn)行實(shí)時(shí)診斷實(shí)時(shí)診斷時(shí)，蔬菜葉部病害樣本被實(shí)時(shí)采集后，由建立的實(shí)時(shí)診斷軟件進(jìn)行圖像處理和特征提取，然后根據(jù)構(gòu)建的病害診斷模型對蔬菜葉部病害進(jìn)行實(shí)時(shí)診斷。所述的利用圖像處理技術(shù)，包括圖像數(shù)字化、圖像灰度化、圖像增強(qiáng)、圖像分割和數(shù)學(xué)形態(tài)學(xué)處理技術(shù)。所述的提取出病斑的各項(xiàng)特征指標(biāo)，包括病斑的顏色特征，如RGB和HIS顏色系統(tǒng)下的R均值、G均值、B均值、r均值、g均值、b均值、H均值、I均值和S均值；病斑的紋理特征，如灰度共生矩陣的對比度、相關(guān)性、能量、慣性矩和熵；病斑的形狀特征，如形狀復(fù)雜性程度、偏心率、圓形度和形狀參數(shù)。所述的選擇適合的病斑特征參數(shù)和有效的模式識(shí)別算法，指利用主成分分析、判別分析從建立的病害特征數(shù)據(jù)庫中選擇適合于病害識(shí)別的特征參數(shù)，將其作為病害識(shí)別模型的輸入?yún)?shù)；然后，從多元統(tǒng)計(jì)分析、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)多種模式識(shí)別算法中，選擇有效的算法建立基于病斑圖像信息的蔬菜葉部病害自動(dòng)診斷模型。二、一種基于機(jī)器視覺的蔬菜葉部病害診斷系統(tǒng)包括病害圖像獲取硬件部分和實(shí)時(shí)診斷軟件部分。其中圖像獲取硬件部分包括光照箱、四根光源支架、四個(gè)光源、相機(jī)固定桿、數(shù)碼相機(jī)、箱體頂部圓孔、光學(xué)鏡頭、偏振鏡、 箱體側(cè)門、載物臺(tái)、計(jì)算機(jī)；四根光源支架安裝在光照箱頂部四側(cè)，四根光源支架能在光照箱頂部調(diào)節(jié)到同一高度并固定，四個(gè)光源分別固定在各自的光源支架上，相機(jī)固定桿安裝在光照箱外部頂面中間，數(shù)碼相機(jī)固定在相機(jī)固定桿上，數(shù)碼相機(jī)能在相機(jī)固定桿上移動(dòng)并使相機(jī)取景器置于箱體頂部圓孔處，偏振鏡旋在光學(xué)鏡頭上，載物臺(tái)置于箱體底面正中心位置，箱體側(cè)門可自由開關(guān)以取放樣本，箱體側(cè)門關(guān)閉后整個(gè)箱體形成密封室，數(shù)碼相機(jī)與計(jì)算機(jī)通過USB線連接。與背景技術(shù)相比本發(fā)明具有的有益效果是(1)利用機(jī)器視覺技術(shù)進(jìn)行病害識(shí)別，可實(shí)現(xiàn)多種蔬菜葉部病害的快速、穩(wěn)定、實(shí)時(shí)診斷。整個(gè)病害診斷過程(包括圖像采集、圖像處理、特征提取和模式識(shí)別等過程在內(nèi)) 一般可在2分鐘內(nèi)完成；(2)不使用任何化學(xué)試劑，降低檢測成本，減輕勞動(dòng)強(qiáng)度，能夠很好的應(yīng)用于環(huán)境監(jiān)測；(3)整個(gè)檢測系統(tǒng)只由一個(gè)便攜式的光照箱、一臺(tái)計(jì)算機(jī)組成；(4)當(dāng)診斷系統(tǒng)的各組件都連接完畢后，最后的圖像采集、圖像分割、特征提取、病害診斷等一系列工作，都通過帶有病害自動(dòng)識(shí)別模型的圖像處理軟件完成；(5)通過對蔬菜葉部病害的診斷結(jié)果進(jìn)行化學(xué)藥劑處理，可以減少由于全面噴藥而造成的農(nóng)藥濫用，降低生產(chǎn)成本并減少污染。
圖1為本發(fā)明的裝置結(jié)構(gòu)示意圖。圖中1.光照箱；2.四根光源支架；3.四個(gè)光源；4.箱體頂部圓孔；5.數(shù)碼相機(jī)； 6.相機(jī)固定桿；7.光學(xué)鏡頭；8.偏振鏡；9.箱體側(cè)門；10.載物臺(tái)；11.計(jì)算機(jī)。圖2為本發(fā)明的軟件總結(jié)構(gòu)框架。圖3為本發(fā)明的蔬菜葉部病害圖像處理過程圖。圖中A.原始病害癥狀圖像；B.病斑區(qū)域圖像；C. R通道灰度圖像；D. G通道灰度圖像；E. B通道灰度圖像；F.病斑輪廓提??；G.病斑二值圖像；H.病斑分割結(jié)果。圖4為本發(fā)明的軟件系統(tǒng)(番茄早疫病診斷系統(tǒng))構(gòu)建流程圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施方式對本發(fā)明作進(jìn)一步說明。本發(fā)明系統(tǒng)由圖像獲取硬件部分和病害自動(dòng)診斷軟件部分組成。如圖1所示，本發(fā)明硬件部分包括光照箱1、四根光源支架2、四個(gè)光源3、箱體頂部圓孔4、數(shù)碼相機(jī)5、相機(jī)固定桿6、光學(xué)鏡頭7、偏振鏡8、箱體側(cè)門9、載物臺(tái)10、計(jì)算機(jī)11 ； 四根光源支架2安裝在光照箱1頂部四側(cè)，四根光源支架2能在光照箱1頂部調(diào)節(jié)到同一高度并固定，四個(gè)光源3分別固定在各自的光源支架2上，相機(jī)固定桿6安裝在光照箱1外部頂面中央，數(shù)碼相機(jī)5固定在相機(jī)固定桿6上，數(shù)碼相機(jī)5能在相機(jī)固定桿6上移動(dòng)并使相機(jī)取景器置于箱體頂部圓孔4處，偏振鏡8旋在光學(xué)鏡頭7上，載物臺(tái)10置于箱體底面正中心位置，箱體側(cè)門9可自由開關(guān)以取放樣本，箱體側(cè)門9關(guān)閉后整個(gè)箱體形成密封室， 數(shù)碼相機(jī)5與計(jì)算機(jī)10通過USB線連接。如圖2所示，本發(fā)明的病害自動(dòng)診斷軟件部分包括圖像采集模塊、圖像輸入控制模塊、圖像處理模塊、圖像特征提取模塊和病害自動(dòng)診斷輸出模塊等五大模塊。其中圖像采集模塊的功能為實(shí)時(shí)采集蔬菜葉部病害的典型癥狀數(shù)字圖像；圖像輸入控制模塊的功能為把相機(jī)中采集的圖像信息數(shù)字化并傳入計(jì)算機(jī)處理器；圖像處理模塊的功能為對采集的病害癥狀原始圖像進(jìn)行圖像預(yù)處理、圖像增強(qiáng)和病斑區(qū)域分割；圖像特征提取模塊的功能為提取病斑區(qū)域圖像的顏色特征、紋理特征和形狀特征；病害診斷輸出模塊的功能為根據(jù)建立的病害識(shí)別模型給出測試蔬菜葉部病害的診斷結(jié)果。所述的圖像處理模塊，如圖3所示包括以下步驟
(1)從采集的原始病害癥狀圖像中剪輯出病斑區(qū)域的彩色圖像，如圖3(A)原始病害癥狀圖像到圖3(B)病斑區(qū)域圖像的處理；(2)將病斑區(qū)域彩色圖像轉(zhuǎn)換成RGB三通道的灰度圖像，如圖3 (B)病斑區(qū)域彩色圖像到圖3(C、D、E)灰度圖像的處理，圖3(C)為R通道灰度圖像圖，3 (D)為G通道灰度圖像；圖3(E)為B通道灰度圖像；(3)選擇病斑邊緣及細(xì)節(jié)部分信息保存比較完整的R通道圖像，采用中值濾波處理進(jìn)行圖像去噪增強(qiáng)，然后進(jìn)行病斑輪廓提取，如圖3(C)R通道灰度圖像到圖3(F)病斑輪廓圖像的處理；(4)對病斑輪廓圖像進(jìn)行腐蝕和膨脹等一系列數(shù)學(xué)形態(tài)學(xué)處理，得到病斑二值圖像，如圖3(F)病斑輪廓圖像到圖3(G)病斑二值圖像的處理；(5)最后，以二值圖像作為模板進(jìn)行合成運(yùn)算得到從原始癥狀圖像中分割出來的病斑的彩色圖像，如圖3(G)病斑二值圖像將到圖3(H)病斑彩色分割圖像的處理。本實(shí)施例中以對番茄早疫病實(shí)時(shí)診斷軟件系統(tǒng)的構(gòu)建為例子，如圖4所示，本實(shí)施例的具體實(shí)施過程如下(1)采集不同番茄品種、不同發(fā)病時(shí)期、不同生境的番茄早疫病樣本，由植病專家對每個(gè)樣本進(jìn)行鑒定；對鑒定后的番茄早疫病樣本采集其癥狀圖像，建立番茄早疫病典型癥狀的標(biāo)準(zhǔn)化數(shù)字圖像庫；(2)對采集的番茄早疫病癥狀圖像，進(jìn)行圖像預(yù)處理、圖像增強(qiáng)和病斑分割，將病斑區(qū)域與從整個(gè)病害癥狀圖像中分割出來；(3)提取番茄早疫病病斑的各項(xiàng)特征指標(biāo)，包括顏色特征，如RGB和HIS顏色系統(tǒng)下R、G、B、r、g、b、H、I、S的均值及其數(shù)學(xué)轉(zhuǎn)化式和數(shù)學(xué)組合參數(shù)；紋理特征，如圖像灰度共生矩陣的對比度、相關(guān)性、能量、慣性矩和熵；形狀特征，如形狀復(fù)雜性程度、偏心率、圓形度和形狀參數(shù)；建立番茄早疫病圖像識(shí)別的特征數(shù)據(jù)庫；(4)利用主成分分析方法、逐步判別分析方法從特征數(shù)據(jù)庫中選取放應(yīng)番茄早疫病病斑特征的主成分、特征參數(shù)，將其作為構(gòu)建番茄早疫病診斷模型的輸入?yún)?shù)；(5)綜合利用多元統(tǒng)計(jì)分析、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，建立適合于番茄早疫病診斷的模式識(shí)別模型，完成基于機(jī)器視覺的番茄早疫病實(shí)時(shí)診斷系統(tǒng)的構(gòu)建。利用上面介紹的方法在MATLAB 7. 0開發(fā)平臺(tái)上完成蔬菜葉部病害診斷系統(tǒng)軟件的編制，可以快速有效地進(jìn)行蔬菜葉部病害癥狀圖像的實(shí)時(shí)采集、圖像處理、特征提取和模式識(shí)別。將本系統(tǒng)用于溫室、大棚或田間檢測時(shí)，可將病害樣本直接置于光照箱底面的載物臺(tái)上，然后利用圖像采集和病害診斷軟件即可得到蔬菜葉片所感染病害的鑒定結(jié)果。
權(quán)利要求
1.一種基于機(jī)器視覺的蔬菜葉部病害診斷方法，其特征在于采集蔬菜葉部病害圖像，利用實(shí)時(shí)診斷軟件進(jìn)行圖像處理、病斑特征提取和病害實(shí)時(shí)診斷，具體步驟如下(1)建立實(shí)時(shí)診斷軟件系統(tǒng)采集不同發(fā)病時(shí)期、不同生境、不同品種的蔬菜葉部病害樣本，由植病專家對每個(gè)樣本感染的病害進(jìn)行鑒定；然后采集其病害癥狀圖像；利用圖像處理技術(shù)，實(shí)現(xiàn)病斑的自動(dòng)分割；提取病斑的各項(xiàng)特征指標(biāo)，建立對應(yīng)病害的特征數(shù)據(jù)庫；在此基礎(chǔ)上，選擇適合的病斑特征參數(shù)和有效的模式識(shí)別算法，構(gòu)建基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷模型；(2)進(jìn)行實(shí)時(shí)診斷實(shí)時(shí)診斷時(shí)，蔬菜葉部病害樣本被實(shí)時(shí)采集后，由建立的實(shí)時(shí)診斷軟件進(jìn)行圖像處理和特征提取，根據(jù)病害診斷模型對蔬菜葉部病害進(jìn)行實(shí)時(shí)診斷。
2.一種基于機(jī)器視覺的蔬菜葉部病害診斷系統(tǒng)，其特征在于包括病害圖像獲取硬件部分和實(shí)時(shí)診斷軟件部分。其中圖像獲取硬件部分包括光照箱(1)、四根光源支架O)、四個(gè)光源(3)、箱體頂部圓孔(4)、數(shù)碼相機(jī)(5)、相機(jī)固定桿(6)、光學(xué)鏡頭(7)、偏振鏡(8)、 箱體側(cè)門(9)、載物臺(tái)(10)、計(jì)算機(jī)(11)；四根光源支架(2)安裝在光照箱⑴頂部四側(cè)， 四根光源支架O)能在光照箱(1)頂部調(diào)節(jié)到同一高度并固定，四個(gè)光源C3)分別固定在各自的光源支架( 上，相機(jī)固定桿(6)安裝在光照箱(1)外部頂面中央，數(shù)碼相機(jī)(5)固定在相機(jī)固定桿(6)上，數(shù)碼相機(jī)(5)能在相機(jī)固定桿(6)上移動(dòng)并使相機(jī)取景器置于箱體頂部圓孔(4)處，偏振鏡(8)旋在光學(xué)鏡頭(7)上，載物臺(tái)(10)置于箱體底面正中心位置，箱體側(cè)門(9)可自由開關(guān)以取放樣本，箱體側(cè)門(9)關(guān)閉后整個(gè)箱體形成密封室，數(shù)碼相機(jī)( 與計(jì)算機(jī)(10)通過USB線連接。
3.根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺的蔬菜葉部病害診斷方法，其特征在于 所述的提取出病斑的各項(xiàng)特征指標(biāo)，包括病斑的顏色特征，如RGB和HIS顏色系統(tǒng)下的R均值、G均值、B均值、r均值、g均值、b均值、H均值、I均值和S均值；病斑的紋理特征，如灰度共生矩陣的對比度、相關(guān)性、能量、慣性矩和熵；病斑的形狀特征，如形狀復(fù)雜性程度、偏心率、圓形度和形狀參數(shù)。
4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺的蔬菜葉部病害診斷方法，其特征在于 所述的選擇適合的病斑特征參數(shù)和有效的模式識(shí)別算法，指利用主成分分析、判別分析從建立的病害特征數(shù)據(jù)庫中選擇適合于蔬菜葉部病害診斷的特征參數(shù)，將其作為病害診斷模型的輸入?yún)?shù)；然后，從多元統(tǒng)計(jì)分析、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)多種模式識(shí)別算法中，選擇有效的算法建立基于病斑圖像信息的蔬菜葉部病害自動(dòng)診斷模型。
5.根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺的蔬菜葉部病害診斷方法，其特征在于所述的蔬菜葉部病害包括黃瓜、絲瓜、南瓜、西葫蘆、冬瓜、苦瓜、瓠瓜、 菜瓜、蛇瓜的15種主要葉部病害如蔓枯病(Ascochyta citrullina)、霜霉病 (Pseudoperonospora cubensis)、黑星病(Cladosporium cucumerinum)、灰霄病 (Botrytis cinerea)、炭疽病(Colletortichum orbiculare)、菌核病(Sclerotinia sclerotiorum)、白粉病(Sphaerotheca fuliginea)、黑斑病(Alternariacucumerina)、 褐斑病(Corynespora cassiicola)、紅粉病(Trichothecium roseum)、斑點(diǎn)病 (Phyllosticta cucurbitacearum)、卩十斑病(Cercospora citrullina)、細(xì) lif t生卩十才古病 (Xanthomonascampestris pv. Cucurbitae)、細(xì)菌性角斑病(Pseudomopnas syringaepv. Lachrymans)、細(xì)菌性緣枯病(Pseudomopnas marginal is pv. Marginal is)；番前的早疫病(Alternaria solani)、葉霉病(Fulvia fulva)、灰霉病(Botrytis cinerea)、斑枯病(Septoria lycopersici)、揭斑病(Corynesporacassiicola)、晚疫病(Phytophthora infestans)、白粉病(Sphaerotheca fulifinea)、菌核病(Sclerotinia sclerotiporum)、 煤霉病(Pseudocercospora fuligena)、灰葉斑病(Stemphyliumsolani)、漆腐病 (Myrothecium roridum)、炭疽病(colletotrichum coccodes)、番前斑點(diǎn)病(Stemphylium lycopersici)、細(xì)菌性斑點(diǎn)病(Pseudomonas syringae pv. tomato)；前子的褐紋病 (Phomopsis vexans)、早疫病(Alternaria solani)、漂斑病(Alternaria melongenae)、 褐斑病(Corynespora cassiicola)、絨菌斑病(Mycovellosiella nattrassii)、炭疽病(Colletotrichumcapsici)、漆腐病(Myrothecium roridum)、白粉病(Sphaerotheca fulifinea)、灰霉病(Botrytiscinerea)、赤星病(Septoria melongenae)；辣椒的褐斑病(Corynespora cassiicola)、灰毒病(Botrytis cinerea)、炭痕病(Gloeosporium Piperatum)、白粉病(Podosphaera xanthii)、灰葉斑病(Stemphylium solani)、葉斑病(Cercospora capsici)、炭疽病(Colletotrichum capsici)、早疫病(Alternaria solani)、細(xì)菌性斑點(diǎn)病(Pseudomonas syringae pv. aptata)；菜豆、豆工豆、刀豆、 毛豆的誘病(Uromyces appendiculatus)、紅斑病(Cercospora canescens)、炭 Ia (Colletotrichum truncata)λ Μ. ^ M (Phyllosticta phaseolina)、白 ^^ 病(Sphaerotheca astragali)、揭斑病(Corynespora mazei)、輪紋病(Ascochyta phaseolorum)、灰霉病(Botrytis cinerea)、角斑病(Phaeoisariopsis griseola)、煤霉病(Pseudocercospora cruenta)、斑枯病(Septoriaphaseoli)；白菜、甘藍(lán)、菜薹、花椰(Peronospora parasitica) Λ(Alternaria brassicicola) Λ白粉病(Erysiphe cruciferarum)、白誘病(Albugo Candida)、炭疽病(Colletotrichum higginsianum)、揭斑病(Cercospora brassicicola)、灰毒病(Botrytis cinerea)；疲菜、番杏的葉斑病(Cercospora beticola)、漂斑病(Alternaria spinaciae)、灰霉病 (Botrytiscinerea)、白誘病(Albugo occidentalis)、霜霉病(Peronospora effusa)、 炭疽病(Colletotrichumspinaciae)；序菜的斑枯病(Septoria apiicola)、葉斑病 (Cercospora apii)、I秀 (Pucciniaangelicicola) Λ Μ. M (Phyllosticta apii)、 灰霉病(Botrytis cinerea)、細(xì)菌性葉斑病(Pseudomonascichorii)；萵苣的霜霉病 (Bremia lactucae)、揭斑病(Cercospora lactucae-sativae)、漂斑病(Alternaria alternata) Λ ^ ^) (Botrytis cinerea) Λ Q(Sphaerotheca fulifinea) Λ(Septoria lactucae)；茼蒿的霜霉病(Peronospora chrysanthemi-coronarii)、葉斑病(Phyllostictachrysanthemi)、炭疽病(Colletotrichum gloeosporioides)、褐斑病(Cercospora chrysanthemi)、漂斑病(Alternaria zinniae)；生菜的霜霉病(Bremia lactucae) Λ Pf (Cercosporalactucae-sativae)；胃·的I秀;) (Puccinia sonchi)、fl" 霉病(Bremia lactucae)、輪紋病(Stemphyliumchisha)、漂斑病(Alternariasonchi)0
全文摘要
發(fā)明名稱基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷方法與系統(tǒng)本發(fā)明公開了一種基于機(jī)器視覺的蔬菜葉部病害實(shí)時(shí)診斷方法和系統(tǒng)。包括病害圖像獲取硬件部分和實(shí)時(shí)診斷軟件部分。其中圖像獲取硬件部分由光照箱、光源支架、光源、箱體頂部圓孔、數(shù)碼相機(jī)、相機(jī)固定桿、光學(xué)鏡頭、偏振鏡、箱體側(cè)門、載物臺(tái)、計(jì)算機(jī)組成。采集被測蔬菜葉部病害的癥狀圖像；利用實(shí)時(shí)診斷軟件進(jìn)行圖像處理和病斑分割；獲取病斑的顏色、紋理和形狀特征指標(biāo)；再利用病害識(shí)別模型對蔬菜葉部病害進(jìn)行實(shí)時(shí)診斷。本發(fā)明可直接用于田間、大棚或溫室病害的檢測，實(shí)現(xiàn)多種蔬菜葉部病害的快速、穩(wěn)定、實(shí)時(shí)診斷；不使用任何化學(xué)試劑，降低檢測成本，對環(huán)境無污染，能夠很好地應(yīng)用于病害監(jiān)測。
文檔編號A01G7/00GK102334422SQ20101023765
公開日2012年2月1日 申請日期2010年7月27日 優(yōu)先權(quán)日2010年7月27日
發(fā)明者岑喆鑫, 李寶聚, 柴阿麗, 石延霞, 謝學(xué)文 申請人:中國農(nóng)業(yè)科學(xué)院蔬菜花卉研究所