论文部分内容阅读
随着城镇化的发展,水培蔬菜逐渐成为绿色生活的一部分。目前对于水培黄瓜病害的识别,仍然停留在结合已有经验的人工目测和对比的阶段,这种方法客观性差、效率低,且大部分种植者并不一定具备种植经验,无法准确、及时识别病害并做出相应救治措施。目前基于图像处理的黄瓜叶片病斑识别系统主要为实验室研究,在复杂环境下适用性差,病斑特征参数组合选取困难,识别率无法保证。本文针对阳台蔬菜机种植水培黄瓜设计了一种叶片病斑识别系统,利用图像处理技术对复杂背景下采集的黄瓜叶片病斑图像进行预处理,优化特征参数组合,提高病斑识别正确率。参考病斑识别结果及病害程度,在传统营养液浓度基础上控制营养液浓度,增强黄瓜的自然抗性来抵御病害侵袭。本文主要工作将从以下4个方面进行:(1)系统总体方案设计。系统总体方案设计包括病斑识别模块方案设计、营养液浓度控制模块方案设计和用户管理平台搭建。针对家庭种植水培黄瓜,设计图像采集方案采集病害黄瓜叶片图像,并根据图像特点设计病斑识别方案;结合阳台蔬菜机架构,明确传感器和执行器型号;参考图像识别结果设计营养液浓度控制方案;同时搭建用户管理平台方便用户操作、管理。(2)基于灵敏度优化特征组合的黄瓜叶片病斑图像识别算法设计与仿真。以黄瓜炭疽病和白粉病为研究对象,首先通过噪声分析利用自适应阈值小波去除光线不足带来的高斯白噪声;利用超绿特征通过Otsu自阈值分割法结合形态学操作完成复杂背景与病叶分割,并通过颜色阈值去除绿色叶片,得到用于识别的病斑图像。其次提取病斑形状特征、颜色特征和纹理特征共48个原始特征参数;针对特征参数组合选取工作量大、无法保证分类正确率的问题,采用GA-BP神经网络定义病斑特征灵敏度函数优化特征参数组合,提高搜索效率、降低组合特征维度,得到8维最优特征参数组合;考虑病斑识别多为小样本分类,最终采用SVM分类器对病斑图像进行分类识别。在MATLAB 2016b的平台上验证算法可行性,结果表明:优化后的特征参数组合分类正确率优于原始特征参数组合。并基于OpenCV采用C++语言实现黄瓜叶片病斑识别算法。(3)基于图像识别结果的营养液浓度控制系统设计与仿真。分析营养液浓度与检测值EC和PH值关系;参考病斑识别结果,采用模糊推理系统求解当前病害状况下水培黄瓜营养液EC、PH值的改变量,与该种植天数内传统水培黄瓜营养液浓度设定值之和作为适宜当前病害黄瓜的EC、PH值,通过PI控制完成营养液浓度智能控制。建立仿真模型,并通过实验验证营养液浓度控制方案可行性。(4)用户管理平台搭建。设计人机交互界面,进行用户信息和水培黄瓜种植信息管理,以及病斑识别结果和营养液浓度的监测;开发数据库,对用户信息、水培黄瓜病斑信息、识别结果和营养液浓度信息进行存储,追溯黄瓜生命周期。实验和仿真结果表明,本文所设计的病斑识别系统能够将复杂背景下采集的黄瓜叶片病斑图像分割出来,对黄瓜炭疽病和白粉病综合分类正确率达到96%,相比于特征参数组合未优化前提高了4%;参考图像识别结果微调病害黄瓜营养液浓度,实验结果表明系统运行稳定,对黄瓜病害状况有抑制或缓解作用。本系统也可以应用于其它农作物的病害识别,为复杂环境下的植物病害识别提供了参考,同时为大规模农作物的病害识别提供技术支持,对作物病害自动化诊断的实现有推动作用。