基于图像处理的农作物受害程度检测方法

吉 涛,魏利胜,张平改

(安徽工程大学电气工程学院,安徽芜湖 241000)



基于图像处理的农作物受害程度检测方法

吉 涛,魏利胜∗,张平改

(安徽工程大学电气工程学院,安徽芜湖 241000)

摘要:针对农作物叶片受害程度等级大小的问题,研究了一种图像处理的方法,以测量出农作物叶片受害程度的比例大小．首先,通过对样本叶片进行灰度化处理,并对图像中复杂无关的背景进行剔除以获取目标区域;在此基础上,利用最大类间方差法对图像进行分割,并统计分割后二值化图像病斑区与非病斑区像素个数,从而得出农作物受害程度比例以及相应的误差分析;最后,利用多个实例验证了该方法的有效性与可行性．

关 键 词:农作物;图像处理;受害程度;最大类间方差;误差

随着现代化农业的不断发展,农作物病虫害以及受害程度的检测已成为图像处理领域研究的热点问题,国内外学者对其进行了大量的探索和研究,并取得了一定的研究成果．张水发[1]等结合Canny算子良好的边缘提取能力和叶片局部颜色变化相对较小的特征,提出基于块标记的叶片损伤区域分割方法,用于评价叶片损伤程度．葛婧[2]等利用图像处理技术对玉米病害进行识别．张芳[3]等应用计算机图像处理技术和支持向量机识别方法研究了黄瓜叶部病害的识别,以提高识别的准确性和效率．以5种不同的农作物为研究对象,利用图像处理技术进行实验性研究,利用实例来验证所提出方法的有效性与可行性．

1 图像的处理与病斑区计算

1．1 图像预处理

实验图像来自百度,选取了5种不同农作物的病虫害图像,为减小图像原始数据量将图像灰度化处理．一般有3种处理方法:最大值法、算数平均值法及加权平均值法．最大值法处理后的图像亮度偏高;算数平均值法处理后的图像亮度较为平柔;加权平均值法处理后的图像亮度符合人眼的实际感光特性．因此,为满足实验中图片的清晰性与计算的准确性,采用加权平均值法进行图像的灰度化处理．加权平均值法产生的灰度图像最符合人眼的视觉感受,取α＝0．3,β＝0．59,γ＝0．11．

由于实验中无关的背景区域会对二值化分割后黑白区域像素产生较大的影响,因而在获取到灰度化的图像之后,将其中不需要的背景部分进行剔除,从而提高计算正确率,达到实验的目的[4]．具体采用的是Closed-form背景去除法．设每个前景颜色f和背景颜色b在每个像素点旁边都是一个线性混合的小窗口,并建立含有α的二次成本函数:

式中,c为颜色通道;ac和b是窗口中的常量．能量行函数表达式为:

这里L是一个N×N的矩阵,它的第(i,j)元素为:

式中,∑k为协方差矩阵;μk为颜色平均向量;I3为单位矩阵．最终:

此法亲和力较好,去除背景时不会对目标区产生误划．

1．2 图像分割

将预处理后的图像分割并进行二值化处理,提取其中有效的信息并过滤无效的信息．实验中采用最大类间方差法[5]．

步骤1 令原图像有M个灰度级,ni为i所在的像素点,所以总像素点为:

步骤2 将图像分为A和B两部分,其中A区的灰度级为0到j,B区的灰度级为j＋1到M,可以求出A和B的概率分别为:

式中,j表示为灰度级;PA为A区的概率;PB为B区的概率,且两者之和等于1．

步骤3 求A区和B区的均值期望与均方差:

式中,σ2A为A的类内方差;σ2B为B的类内方差．因此,两类的类内方差之和与两类的类间距离平方分别为:

式中,σ2W为两类的类内方差之和;σ2V为两类的类间距离平方．

步骤4 为评估灰度级程度,通过式(5)、式(6)、式(7)可以推导出灰度级类方差:

式中,σ2H为灰度级类方差;H为灰度级门限．

步骤5 结合上述步骤1～4中的公式可以推导出最佳的灰度级H∗:

最大类间方差法分割后的叶片如图1所示．图像分割完成后对农作物虫害区进行计算,首先计算分割后图像(未填充)的面积大小,然后对分割后的图像进行目标区域填充,虫害区的填充如图2所示．农作物叶片受害程度可以用对应的图像像素点进行计算,其中M和N表示图像的宽度像素和高度像素,随后统计出最大类间方差法分割后二值化图像中黑白像素点的个数．以图1A和图2A为例,x1所代表的为A中区域内所有白色像素的个数(包括目标叶片中的虫害区),x2代表图2A中所有白色像素个数．由于目标对象要求求出虫害区受害程度的百分率,因此,将二值化图像内虫害区的部分用黑色像素进行填充,这里调用Matlab中二值化图像中元素标记函数bwlabel来完成虫害白色区域的填充．虫害区域填充完毕之后,再次计算被填充后虫害区域的白色像素,随后统计填充后完整的叶片黑色像素,x3所代表的是图2A中所有黑色像素个数,因此,x1－x2所代表的即为病斑像素个数．最后就可以获得叶片虫害区受害程度的百分比为L＝(x1－x2)/x3×100%．

图1 最大类间方差法分割后的图像对比

1．3 误差率

为了更加全面而准确地进行评价,利用分割算法得误差率ER:

式中,GTi表示第i类的标准分割;Sgi表示第i类的实际分割结果;S表示分类总数;⊕表示异或操作．误差率表示误分为病斑的点与非病斑的点与标准分割病斑点数的比率,比率越低精度越好．并结合采用最小显著差数法来确定差异显著性,计算出在显著水平为α的最小显著差数LSDα,任何两个平均数的差数如其绝对值大于等于LSDα,则在α上水平显著,反之则不显著．tα可通过查表获得,MSe为处理内均方可通过F检验里的公式求出．

不同的小写字母表示在0．05水平上的差异显著,误差率如表1所示．由表1可以看出,对于有叶柄的

图2 虫害区的填充

作物在0．05水平上并不显著,但对于一般的作物均能达到控制误差的要求．

表1 误差率

2 结果与分析

将5种不同农作物叶片的不同种类病虫害作为研究对象,通过图像的灰度化处理、无关背景量的去除、图像分割、对农作物病虫害区域像素的填充,最终计算出农作物叶片病虫害程度的大小．实验计算结果如表2～表6所示．由表2～表6可知,运用图像处理能够较为准确地计算出叶片受害程度的大小,番茄、辣椒、水稻、柑桔及玉米病害的平均受害程度分别为9．36%、3．174%、7．393%、3．723%、11．306%;实验中缺失率即为图像分割过程中未识别或者不能完全识别的虫害区,番茄、辣椒、水稻、柑桔及玉米病害区的缺失率分别0．767%、0．549%、0．922%、0．253%、0．902%,均能控制在较低的百分率．误差率反映了不同样本分割效果的差异性,实验数据能够较为准确地反映出农作物受害程度．但是从图1分割后的结果来看,最大类间方差法分割对于叶柄的分割效果并不理想,会将其当作病斑区来处理,所以在算法优化上需进一步改进．通过农作物受害程度的百分率可以有效地控制农药剂量,减少农药的大量浪费以及对环境造成的污染,为今后的农作物病虫害质量检测提供了一定的科学依据．

表2 番茄实验计算结果

表3 辣椒实验计算结果

表4 水稻实验计算结果

表5 柑桔实验计算结果

表6 玉米实验计算结果

3 结论

对于农作物叶片受害程度等级大小的问题,研究了一种图像处理的方法以测量出农作物叶片受害程度的大小．首先对样本图像进行预处理,然后利用最大类间方差图像分割算法获取农作物叶片虫害区及非虫害区域,最后对分割后的虫害区进行像素点填充,计算出农作物受害程度的百分率．方法适用于多种农作物病虫害检测,但是对于叶片上细小的病斑区不能有效准确地分割,需进一步改进和完善．

参考文献:

[1] 张水发,王开义,祖琴．基于块标记的田间叶片损伤区域分割方法[J]．农业工程学报,2014,30(21):218-225．

[2] 葛婧,邵陆寿,丁克坚．玉米小斑病病害程度图像检测[J]．农业机械学报,2008,39(1):114-117．

[3] 张芳,王璐,付立思．基于支持向量机的黄瓜叶部病害的识别研究[J]．沈阳农业大学学报,2014,45(4):457-462．

[4] 刁智华,王欢,宋寅卯,等．复杂背景下棉花病叶害螨图像螨图像分割方法[J]．农业工程学报,2013,29(5):147-152．

[5] 陈金位,吴冰．二维直方图重建和降维的Otsu阈值分割算法[J]．图学学报,2015,36(4):570-575．

Detection method for damage level of crop based on image processing

JI Tao,WEI Li-sheng∗,ZHANG Ping-gai
(College of Electrical Engineering,Anhui Polytechnic University,Wuhu 241000,China)

Abstract:Aiming at the problem of the damage level of crop,an image processing technology is used to measure the proportion of damage level in crop leaf diseases．First of all,by using image graying method to process the leaf samples,the complex background can be removed to obtain the independent regions．Based on this,by using the maximum variance between two classes analysis algorithm,the pixels from lesion area and non-lesion area can be counted in binary image．Then,the proportion of the damage level of crop is obtained for error analysis．At last,the results of multiple experiments verify the effectiveness and feasibility of the proposed method．

Key words:crop;image processing;damage level;maximum variance between two classes;error

中图分类号:TP394．41

文献标识码:A

收稿日期:2015-10-26

基金项目:安徽省自然科学基金资助项目(1608085MF146)

作者简介:吉 涛(1991-),男,安徽芜湖人,硕士研究生．

通讯作者:魏利胜(1978-),男,安徽巢湖人,副教授,博士后．