⛄一、基于机器视觉的农作物病害识别技术
1 叶片图像采集
进行农作物病害自动检测与识别首先要对病害叶片的图像进行采集。自动识别的前提是获得数字图像, 数字图像质量的好坏决定着之后叶片病害的识别特征能否较容易地被取得, 以及提取的特征是否有效。图像质量是由图像采集装置和图像获取方法直接决定的。所以, 在进行叶片图像采集时要考虑各方面因素, 包括人为因素与外界环境因素等。
赖军臣[3]认为目前依靠植保人员定期下田并依靠肉眼识别玉米叶片病害的方法满足不了现代农业发展的需要, 提出构建玉米病害诊断专家系统。河北农业大学的刘丽娟等[4]以水稻纹枯病为例, 采用相机拍摄的方式获得320×240的水稻叶片彩色图像。宁夏大学的刘立波等[5]设计了一个内部装有6根荧光灯管的封闭采集箱, 箱体顶部留有拍摄孔用于叶片图像拍摄, 通过USB接口将数码相机与计算机相连, 通过鼠标控制数码相机进行拍照。郑姣等[6]设计了基于Android手机的水稻病害识别系统来改善目前水稻病害检测与识别中依赖相机与计算机进行图像采集与处理而导致缺乏便携性与实时性的问题。方案通过将叶片夹在盖有黑色棉布的方木板 (15cm×8cm) 上并设置相机参数来进行拍摄。该方法需考虑环境因素, 且操作较繁琐。
采用机器视觉技术可以通过机器精测代替人眼粗测, 使农作物病害检测标准化。目前, 大部分研究者采用手机或数码相机对病害叶片进行图像采集, 该方法优点为便携性好, 可以实时拍摄。然而, 受外界环境影响较大, 光照、降雨等都将对获取图像的质量造成影响。不仅如此, 农作物叶片的正反面都存在病斑, 利用相机拍摄的方式只能获取单面叶片的图像, 无法准确得到病斑的全部信息。同样, 叶面卷曲对病斑造成的遮挡也会影响病斑信息的获取。也有的研究者尝试制作相关装置进行图像采集[7], 但存在较多缺陷, 如便携性差, 功能单一, 缺乏人机友好的界面等。有国外研究者使用扫描仪对叶片图像进