行业动态
机器视觉技术在作物病害诊断过程中的四个层次
浏览:1479 次
时间:2014-03-14 17:15:03

 

        从目前的市场状况来看,机器视觉技术在众多领域都有着广泛的应用,其中农业领域就是此项技术相对较为活跃的市场之一。机器视觉技术在农业领域中的应用也是非常普及的,尤其在作物病害诊断方面,有着一定的应用优势。

        机器视觉技术在作物病害领域的应用最早是出现在1989年,穗波信雄等利用计算机视觉技术分别对缺乏钙、铁、镁营养元素的茨菇叶片进行了一些基础研究,利用RGB模型的R、G、B二体直方图分析了正常和病态的颜色特征。近30年来,计算机视觉在土壤和杂草等背景的识别、叶面积和株高测量、叶片的形态识别、作物营养信息监测等领域纷纷开展了研究应用,而植物病害诊断研究取得进展则主要集中在近l0年的时间里。

        植物病害存在一定的复杂多样性,有时利用人工视觉无法清晰的辨别,而显然机器视觉技术更容易应付这一现状。另外,需要人类视觉的场合机器视觉几乎都可以介入,而人类视觉无法感知的场合,机器视觉也能够突显其优越性。病害症状的特征直接反映了作物所受病害的种类以及病害的危害程度,所以机器视觉技术在病害诊断中的应用主要是利用图像识别技术预处理病害图像后,提取病害图像颜色、纹理和形态等特征,选取有效特征组合实现对病害正确地分类和发病程度定量地分级。

        机器视觉技术在作物病害诊断过程可分为基于颜色特征、基于纹理特征、基于数学形态特征以及基于多元特征这四个层次:

     1、  基于颜色特征的作物病害机器视觉诊断

        颜色是物体表面的属性,以颜色特征建立的病害视角识别就是对病斑和叶片病害图像的描述或模型之间建立起对应关系。但是由于有些颜色模型中病斑的颜色特征值在大田环境下随肴光照强度的变化而变化,且病斑的颜色在不同的发病时期会发生变化等,因此建立病斑的颜色特征和病害图像之间的对应关系难度较大。所以,病害图像的颜色特征更比较适合作为图像处理阶段图像增强和病斑分割的瞬态特征,而不宜作为病斑识别的稳定特征。

     2、  基于纹理特征的作物病害机器视觉诊断   

        纹理是所有的表面所具有的内在特性,它包含了关于表面的结构安排及周围环境的关系。纹理特征较颜色特征层次高,当目标像元颜色特征与图像背景相差不明显时,纹理分析的效果要好于颜色分析。纹理分析的主要研究内容包括纹理描述、纹理分割、纹理分类等,与图像颜色特征相比,纹理能更好地兼顾图像宏观性质与细部结构两个方面,即可用于图像处理阶段的图像分割又可用于图像分类识别,因而效率较高。基于分形纹理分类方法的特征参量在一定范围内独立于图像分辨率和视角而稳定存在,比较符合自然环境条件下应用。

     3、  基于形状特征的作物病害机器视觉诊断

        形状是描述图像内容的一个非常直观而又重要的特征,形状常与目标联系在一起,所以形状特征可以看作是比颜色及纹理更高层次的特征。形状特征多用于图像识别的最后阶段,比较适合表达区分病健组织边界清晰,形状特征明显,叶片局部显症的叶斑类病害,对全叶显症,病健组织间界限不明显的缺素症和病毒病等变色类病害,则不适宜,而用纹理特征效率可能会高。

       4、基于多元特征的作物病害机器视觉诊断

       基于多元特征的作物病害诊断顾名思义是综合众多特征作为诊断标准,相比前三种诊断方式,自然呈现出更高的层次。

京ICP备12022927号-1
北京市海淀区上地信息路1号国际科技创业园1—1705
© Copyright 2011 北京盈美智科技 All rights reserved.