基于多层卷积滤波与HSV颜色提取的茶轮斑病识别研究

陈钊 王子辉 赵玉清 高彦玉 时玲

摘要：利用卷积滤波对原始图像进行显示轮廓以及锐化处理，引入了HSV模型进行颜色提取，通过二值化再次滤波完成了茶轮斑病斑区的提取，实现茶叶的茶轮斑病的快速诊断。结果表明，采用卷积滤波与HSV模型等图像处理技术能够较好地识别茶轮斑病的病斑区，对于图像清晰、面积大的病斑区识别比较精确。利用Python语言的嵌入性，为进一步实现茶叶茶轮斑病的精准喷雾系统打下了基础。

关键词：卷积滤波；图像处理技术；图像滤波；茶叶病检测；识别

中图分类号：S126 文献标识码：A 文章编号：0439-8114（2018）11-0107-04

DOI：10.14088/j.cnki.issn0439-8114.2018.11.027

Abstract： The original image is depicted and sharpen by convolution filtering， and then put it in HSV model to obtain the image color extraction. In order to get the target area of the tea wheel spot，it is also used the image binaryzation to complete the refiltering.Finally，that is a picture rapid diagnosis of tea leaf spot disease. The results showed that the image recognition of tea leaf spot in leaves of tea leaves was finished. By using convolution filtering and HSV model image processing technology can be better identified the round spot of tea lesion area， especially the clear image，size of lesion area. Taking advantage of the embeddedness of Python language，it lays the foundation for the accurate spray system of tea tea wheel spot disease.

Key words： convolution filter；image processing technology；image filtering；tea disease detection；identification

茶樹在中国是一种重要的经济类作物，种植面积多达3 529.0万hm2，达到了世界茶园面积的50%以上，遍及18个省。在茶树生长过程中，各个部分均易受到病虫的为害[1，2]。据统计，已知的茶树病虫害有100多种，其中有30多种比较常见。病虫害种类多、较严重的发生在茶芽与茶叶部位，直接造成的茶叶产量损失大概为总产量的15%～20%，局部地区或者个别年份损失比例更大。对于病虫害的防治，茶农一般选择化学农药。不仅是因为与无公害和绿色农药相比，化学农药价格低廉，还因为化学农药操作简单、见效快、效果可靠。化学农药的使用对于茶叶的高产、优产具有重要促进作用，但同时也会带来环境污染、农药残留等不利因素[3]。农药的低效率与滥用也导致中国茶叶农药残留量超标[4]。在众多茶叶病虫害中，茶轮斑病是茶园中比较常见的叶部病害，时有发生。茶轮斑病主要发生在成叶与老叶，较严重时，会造成茶叶大量脱落，给茶农造成严重经济损失[5-7]。

在现代，随着人们的绿色消费意识和食品安全意识的不断增强，茶叶的质量安全问题也受到广泛的关注，尤其对茶叶农药残留的问题最为关心[8]。与此同时，茶叶产业作为中国的优势特色产业，减少茶叶的化学农药使用量对提升中国茶叶产业的生产水平，提高茶叶产品的世界知名力与竞争力，都具有十分重要的战略意义[9，10]。

目前，国内外关于茶叶病虫害识别的研究大致分为两个方面，主要集中在计算机视觉的图像表达与机器学习环境搭建。机器学习主要有SVM（支持向量机-Support vector machine）、几何不变量、子空间法等。基于计算机视觉的有SIFT（尺寸不变距）、HOG（方向梯度直方图）等局部特征提取[11-17]。针对茶叶病虫识别的特殊性和困难性，以及目前病虫害图像识别依赖于研究人员的主观特征设计的局限性，本研究采用计算机视觉方法，运行环境的上位机PC采用Intel core（处理器i5-3210，主频2.5 GHz，4G内存）。软件采用Anaconda python27，在运行环境中装配了matplotlib、numpy、python27、scipy、opencv-python2.4.13.2等核心模块。该设计核心理念是采用低成本、运行简单快速的方法，避免了机器深度学习需求样本太大、GPU价格昂贵等问题，具体采用的是基于多层卷积滤波与HSV颜色提取对复杂背景下的茶轮病识别及定位，通过卷积滤波的4×4核函数架构对茶叶的病斑区与正常区进行区分，通过HSV模型对病斑区进行提取，再通过二值化深层次滤波手段，消除非病斑区，避免了人的主观因素影响分类的结果，并且检测的实时性能够满足后期精准喷药系统的要求，以期为这方面应用提供参考。

1 材料与方法

1.1 原图像的获取

根据茶轮斑病的主要症状：发生于当年生成的成叶或者老叶。病害常从叶尖开始，逐渐向其他部位扩展。发病初期病斑黄褐色，逐渐变成褐色，最后形成灰白色相间的半圆形、圆形或不规则的病斑[18]。病斑上常呈现有明显的同心轮斑，边缘有一褐色的晕圈，病健分界明显。病斑正面轮生或散生有许多黑色小粒点[3]。本设计采用的是实验室条件下获取的扩展为圆形至椭圆形或不规则褐色大病斑的成叶（图1）。