论文部分内容阅读
2018年全国烟草实现税利总额11145.1亿元,中国烟草行业的利税占据中国整个财政收入的十分之一左右。但每年因对烟草病害无法做到及时防控从而导致重大经济损失。我国中部地区常见的烟草病害为赤星病和蛙眼病,又以赤星病和蛙眼病的早期症状最为难分,经验不足的植保人员和农户无法正确判断两种早其病害,甚至做出错误施药方案,导致不能及时遏止病情,致使产量和收入大幅缩减。目前国内对烟草早期病害研究未有相关报道,烟草赤星病和蛙眼病发病速度快,病害从早期到晚期约一周,两种早期病害相似程度高,严重依赖植保人员的专业素质。当前研究成果普遍存在复杂背景下无法有效分割、只对中后期病害检测、依赖人工检验等问题。因此,亟需一种高效、准确的烟草早期病害自动检测识别方法,以解决上述问题。根据烟草赤星病和蛙眼病早期相似性大的特点,本文提出一种基于计算机视觉的烟叶早期病害分割及识别方法,对两种病害进行有效分割和识别判断,能提前约3天发现和确诊是那种病害,进行针对性人为干预,最大程度上降低损失。(1)作者在烟草大田采集实验所需的烟草赤星病和蛙眼病数据。选取合适时间点、合适拍摄距离、合适拍摄对象,使获取病害图像达到最好效果。对获取的图像进行Mean shift平滑处理和简单线性迭代聚类处理。(2)本文通过研究EXG超绿特征分割方法和HSV颜色空间的阈值分割方法,发现EXG超绿特征分割方法对图像中存在非绿噪声无法进行有效分割,HSV颜色空间的阈值分割方法对病斑区域和背景对比度差的情况下无法准确分割病斑区域。根据烟草赤星病和蛙眼病各个时期病斑表现特点,将视觉显著性引入到病斑分割过程中,提出基于种子点选取的显著性检测的分割方法,验证在复杂背景下分割病斑图像的可行性,并对比两种图像分割方法,通过实验验证该方法的有效性。(3)根据烟草赤星病和蛙眼病各个时期病斑表现形式的不同,提取病斑的颜色特征、形态特征和纹理特征,共获取28维特征参数。对获取的特征参数用粒子群算法进行优化,多次试验对比选取最优参数组,适应度为96.68,交叉验证率为93.21%,验证集识别率为96%,共13维特征参数。利用网格搜索法对SVM的参数进行寻优,并建立SVM分类模型,训练集900组,测试集300组,共1200组数据,对烟草赤星病和蛙眼病的早期病害识别率达到92%,两种病害的早中晚三个时期共6类的识别率达到96%,实验结果表明达到较好的识别效果。