摘要：利用近红外光谱技术进行苹果霉心病的无损检测是目前的主流方法,其光谱与霉心病的病变程度密切相关。为了实现苹果霉心病病变程度的精确测量,设计并实现了一种基于计算机视觉的苹果霉心病病变程度测量方法。首先,基于Otsu算法,利用果实区域与背景反差较大的特点,实现果实、病变与背景区域的分割,并对分割图像进行区域填充等预处理操作;然后,针对分割后包含病变的苹果图像,运用Otsu算法进行二次分割,分别提取腐烂病斑区域与整个苹果区域的面积;最后,计算出病变区域的比例,得到其病变程度。为了验证算法的有效性,利用多幅图像进行了测试,并与利用Photoshop手工选取的实际病斑面积进行了对比。试验结果表明,利用该方法得到的腐烂程度误检率为8.87%,可以有效地实现苹果霉心病病变程度的测量。

摘要：针对作物病害诊断专家系统存在不足,提出基于图像检索的方式诊断病害。通过病害图像建立特征库、知识库、图像库等数据库,诊断时提取检索图像特征,求特征与特征库中特征的相似度距离,按距离大小返回相似图像,依据返回结果获取病害的描述及防治措施。为提高检索的查准率和查全率,重点探索了病害图像数据库创建中特征库信息的获取和检索算法的设计。以烟草病害图像为例,采用基于支持向量机与多特征选择检测彩色病斑边缘的方式分割病斑,提取病斑特征25个,利用双编码遗传算法和支持向量机对特征降维,以获取表征病害的有效特征17个及对应权重,对特征归一化处理后建立数据库,并设计检索算法。实验结果表明,构建的图像数据库系统具有较高的查准率和查全率,其中融合病斑的多个特征检索的查准率比单一特征高。用这种方式诊断病害,除有较高的病害识别率外,还有诊断结果的可视化,将其用于作物病害诊断专家系统中,将提高系统的鲁棒性,为实现病害的远程在线诊断提供了条件。

摘要：本文主要以向日葵叶部细菌性叶斑病、黑斑病、霜霉病等三种常见病害作为研究对象,开发设计了基于图像识别的向日葵叶部病害诊断系统。本系统以MATLAB为平台,利用其GUI工具箱开发了基于图像识别的向日葵叶部病害诊断系统。