基于機器視覺的番茄臍腐病的識別.pdf

1、在我們?nèi)粘Ｉ钪?，農(nóng)作物占著很重要的位置，番茄是日常生活中必不可少的農(nóng)作物。近年來，因為對生長環(huán)境要求高以及種植和管理手段比較傳統(tǒng)等因素的影響，番茄臍腐病發(fā)病率高并且識別困難。因此，實現(xiàn)番茄臍腐病的自動識別具有重要的實際意義。
　　傳統(tǒng)的番茄臍腐病的預測方法主要是靠人工來判斷，這種方法主要根據(jù)人工經(jīng)驗來主觀的判斷，導致在檢測的準確度上有明顯的偏差。為了給專家提供更可靠、科學的數(shù)據(jù)，在番茄臍腐病識別當中，是根據(jù)圖像處理技術(shù)結(jié)合番茄臍

2、腐病病斑圖像的顏色特征、形狀特征等結(jié)合模式識別等相關(guān)技術(shù)，并設計分類器對病癥圖片進行識別。
　　本文的主要工作如下:
　　(1)圖像的預處理:在對圖像進行分割之前要對圖像進行預處理，首先對采集的病斑圖像進行中值濾波，對于采集的圖像中的噪聲可以有效去除，在去噪的同時還可以保持圖像的邊緣信息。
　　(2)圖像分割:要實現(xiàn)病斑的識別，圖像的分割是整個系統(tǒng)中的重要組成部分，對閾值分割，區(qū)域生長，邊緣檢測，OTSU分割以及改進的

3、OTSU算法分別對病斑圖像進行分割的方法進行了研究。
　　(3)改進的OTSU分割算法:將番茄臍腐病圖像由RGB色彩空間轉(zhuǎn)換到LUV色彩空間，在對LUV色彩空間下的圖像進行灰度化變換，得到由LUV彩色空間轉(zhuǎn)換來的病斑灰度圖像，再進行最大類間方差法的閾值分割，番茄病斑和非病斑得到較好的分割。同時和OTSU算法進行比較，改進后的算法幾乎沒有誤分，效果理想。
　　(4)圖像的特征提取:采用的是形狀特征提取和顏色特征的提取，通過分割

4、的輪廓邊緣來提取形狀特征信息。顏色特征是通過提取了輪廓邊緣的RGB，LUV分量顏色特征信息，實現(xiàn)了對番茄臍腐病的病斑信息提取。
　　(5)建立貝葉斯分類器:根據(jù)提取的顏色特征和形狀特征屬性，對每個圖像的每個特征屬性進行歸類，然后對其進行分類，由50個圖像的特征屬性組成樣本集，人工計算每個類別在訓練樣本中出現(xiàn)的頻率，然后得出大的條件概率估計就是所屬的類別，建立分類器，輸入的是分類器和待分類項，輸出是待分類項與類別的映射關(guān)系，從而實現(xiàn)