一种马铃薯病害诊断装置、诊断系统及诊断方法
【技术领域】
[0001] 本发明马铃薯病害诊断的技术领域，具体涉及一种马铃薯病害诊断装置、诊断系 统及诊断方法。
【背景技术】
[0002] 马铃薯皮薄、肉厚、富含淀粉，是轻工业和食品工业的重要原料，但是在马铃薯的 生长过程中，由于根茎叶的病害会严重影响马铃薯的产量和质量，因此对马铃薯病害诊断 十分重要。
[0003] 目前的诊断方法有：（1)基于手机平台识别农作物病虫害，但是由于马铃薯病 害特征多、输入参数多，在手机平台上完成特征提取和复杂分类运算速度慢，无法及时的 获得当前马铃薯的病害状况；而且，由于受到手机硬件和速度的制约，识别效果较差，从 而导致病害判断不准确。（2)另一种方法是根据拍摄的图像照片，并采用基于BP(Back Propagation，反向传播）神经网络的分类器进行分类运算。但是，由于马铃薯病害分布于 根部、颈部和叶部，且病害特征表现多样，不同病害的不同特征在不同分类器中分类表现不 同，从而使得分类结果差异较大，使用单一分类器对对马铃薯病害进行诊断和识别的准确 度较差。
【发明内容】
[0004] 本发明的目的在于提供一种马铃薯病害诊断装置及诊断方法，可提高病害诊断的 准确度。
[0005] 为了实现上述目的，本发明提供一种马铃薯病害诊断装置，所述诊断装置包括：接 收单元，用于接收来自移动终端采集模块采集的马铃薯的病害图像；预处理单元，用于对所 述病害图像进行预处理，确定染病部位；以及病斑处理单元，用于对染病部位的图像进行处 理，确定病斑种类及对应的防治措施。
[0006] 本发明马铃薯病害诊断装置通过接收单元接收移动终端的采集模块采集的马铃 薯病害图像，可实现远程诊断；通过预处理单元对病害图像进行预处理初步确定染病部位， 进一步由病斑处理单元精细处理，从而可确定病斑种类及对应的防治措施，响应迅速，准确 度高。
【附图说明】
[0007] 图1是本发明马铃薯病害诊断系统的结构示意图；
[0008] 图2是预处理单元的结构示意图；
[0009] 图3是病斑处理单元的结构示意图；
[0010] 图4是投票表决模块的结构示意图；
[0011] 图5是本发明马铃薯病害诊断方法的流程图。
[0012] 附图标记说明
[0013] 接收单元 1预处理单元 2
[0014] 区域分离模块 21第一特征值提取模块22
[0015] 染病部位分类模块 23病斑处理单元 3
[0016] 病斑区域分割模块 31第二特征值提取模块32
[0017] 染病部位识别模块 33 K均值分类器 331
[0018] 基于神经网络分类器332支持向量机分类器 334
[0019] 投票表决模块 34。
【具体实施方式】
[0020] 为了进一步说明本发明，下面结合实施例对本发明提供的双螺塞螺钉进行详细地 描述，但不能将它们理解为对本发明保护范围的限定。
[0021] 如图1所示，本发明马铃薯病害诊断装置包括接收单元1，用于接收来自移动终端 采集模块采集的马铃薯的病害图像；预处理单元2,用于对所述病害图像进行预处理，确定 染病部位；以及病斑处理单元3,用于对染病部位的图像进行处理，确定病斑种类及对应的 防治措施。
[0022] 本发明马铃薯病害诊断装置通过接收单元接收移动终端的采集模块采集的马铃 薯病害图像，可实现远程诊断；通过预处理单元对病害图像进行预处理初步确定染病部位， 进一步由病斑处理单元精细处理，从而可确定病斑种类及对应的防治措施，响应迅速，准确 度高。
[0023] 其中，所述移动终端可为安装有马铃薯病害图像采集应用软件的手机，由于手机 采集区域的限制，可获取马铃薯完整叶片、块茎等部位的图像，以便于后续染病部位的判 别。
[0024] 如图2所示，所述预处理单元2包括：区域分离模块21，用于对所述病害图像依次 进行灰度化、阈值分割、二值化处理背景分离操作，获取马铃薯的染病区域图像；第一特征 值提取模块22,用于根据所述染病区域图像，分别提取染病区域特征值，其中，所述染病区 域特征值包括彩色特征和形状特征的特征值；以及染病部位分类模块23,用于分类计算所 述染病区域特征值，确定染病部位。
[0025] 其中，所述彩色特征的特征值为RGB图像的G分量均值。可根据如下公式统计病 害部位R、G、B分量的平均值：
[0031] 其中，Total为病害像素点的总数，N为病害图像的像素点数，r称为红色分量均值 比，b称为蓝色分量均值比。环境光照强度的不同会导致R、G、B的变化幅度很大，因此以G 分量的均值为参照值，用R、B分量均值与G分量均值之比作为病害特征参数。
[0032] 形状特征采用圆形度参数C来描述染病部位接近圆形的程度，根据公式：C = 4 π A/L2---公式⑥确定；其中，A为病斑面积，L为病斑周长。
[0033] C的取值范围为[0，1]:当面积相同时，染病部位光滑并且为圆形，则周长最短，此 时圆形度C取值最大为1 ;染病部位的外形越偏离圆形，其圆形度C的值越小。
[0034] 在本实施例中，所述染病部位分类模块23为K均值分类器。将马铃薯染病部位的 彩色特征红色分量均值比r、蓝色分量均值比b、形状特征圆形度参数C送入K均值分类器， 通过K均值分类器计算判断染病部位是块茎、茎蔓或者是叶片。
[0035] K均值分类器选择标准块茎、茎蔓和叶面样本作通过归一化处理，作为块茎、茎蔓 和叶面的三类簇的中心。计算分类样本到簇中心的距离并进行聚类计算，之后更新簇中心 点坐标，并进行5次迭代，取最后一次迭代结果作为识别结果，从而确定染病部位。
[0036] 如图3所示，所述病斑处理单元3包括：病斑区域分割模块31，用于对染病部位 的图像进行灰度化处理、高斯滤波，根据处理后的染病部位的图像计算图像梯度幅值矩阵， 以及根据图像梯度幅值矩阵确定病斑区域；第二特征值提取模块32,用于根据所述病斑区 域，提取病斑特征值，其中，所述病斑特征值包括病斑区域的彩色特征、形状特征以及纹理 特征的特征值；病害识别分类模块33,用于分别根据所述病斑特征值确定对应的病害分类 结果；以及投票表决模块34,用于根据各所述病害识别分类器的权重因子以及确定的病害 分类结果投票确定病害种类。
[0037] 其中，病斑区域的彩色特征包括RGB颜色空间特征值和HSV颜色空间特征值。RGB 颜色空间特征值包括红色分量均值比r、蓝色分量均值比b，计算方法与公式①-⑤相同，在 此不再赘述。HSV颜色空间特征值包括H(Hue，色调）、S (Saturation，饱和度）、V (亮度）， 可根据彩色空间投影公式求解，在此不再赘述。
[0038] 病斑区域的形状特征包括病斑圆形度C和离散指数。圆形度C计算与公式⑥相同。 离散指数P计算公式：P = L2/A，其中L为病斑周长，A为病斑面积。
[0039] 病斑区域的纹理特征为病斑的图像反差、能量、熵、相关性。其中，
[0040] 图像反差Con，又称为对比度，用于反应图像的清晰度和纹理的沟纹深浅，可根据 如下公式确定图像反差：
其中，i表示病斑像素的横坐 标，j表示病斑像素的纵坐标。
[0041] 能量Asm，是灰度共生矩阵各元素值的平方和，用于反应图像灰度分布均匀程度和 纹理粗细度，可通过如下公式确定：
[0042] 熵Ent，是图像包含信息量的随机性度量。可根据如下公式确定：
其中，熵值越大，图像越复杂。
[0044] 相关性Corr，也称为同质性，用来度量图像的灰度级在行或列方向上的相似程度， 可根据如下公式确定：
[0045] 对应不同的染病部位，所述病害识别分类模块33分为叶部病害分类器、莖蔓分类 器、块茎病害分类器，且各所述病害识别分类模块33均包括K均值分类器331、基于神经网 络分类器332及支持向量机分类器333。
[0046] 在确定染病部位后，