论文部分内容阅读
农作物病虫害作为主要的农业灾害,在一定程度上威胁到粮食的安全生产和农产品质量。在我国,农作物虫害总体形势为多发、重发和频发,给广大农民带来了巨大的经济损失。现阶段,对于农作物病虫害的检测,依然以传统的人工观察的方法进行,而人工检测面临着工作强度大、时效性差等诸多缺点。同时,人工方法会引起害虫的飞散,影响观测的准确程度,这些给农作物病虫害的早期预警和灾情控制带来了极大的不便。因此,针对农作物害虫的特点,根据实际的生产情况,应用计算机视觉技术展开农作物病虫害的自动检测技术的研究,可以对农作物病虫害的情况实时的做出诊断,具有非常大的时效性、易用性,并能够有效的解决人工检测的种种弊端。本文对农作物病害面积占比和害虫自动检测计数进行了研究,依据自然图像的低秩特征,结合农作物害虫自身的颜色特征,提出了一种基于低秩表示的算法,在带有害虫的农作物叶片图像中有效地提取出害虫,并进行进一步处理。从而解决了在实际农业生产中,农业工作者在病虫检测和计数中遇到的问题,减轻工作量,提高统计精度。具体的,本文的工作可以总结为以下几点:(1)为了实现对于单个叶片上的病害面积占整个叶面的百分比的测量和叶片上害虫的检测与计数,我们提出了一种基于超像素分割的自动叶片提取算法。首先对比了各种超像素分割算法的异同,并以简单的线性迭代聚类算法为基础,设计了超像素合并的方法,将经过超像素分割的原始图像重新聚类,实现了对于图像中农作物叶片的自动提取。(2)本文提出了一种基于低秩表示的害虫检测模型。该模型基于低秩表示算法,通过该模型可以将原始图像矩阵分解为一个低秩矩阵和一个噪声矩阵。自然图像的自身特征决定了害虫会被完全的包含在噪声矩阵中,接下来通过对带有害虫的噪声部分进行进一步处理,达到对害虫进行检测的目的。(3)本文实现了一个病虫害检测与计数系统。我们依据上述方法,实现了一个农作物病害面积占比计算及害虫的自动检测与计数系统,它可以方便的识别图像中的农作物叶片,并检测和统计该叶片上的害虫数量,帮助农业研究人员快速的进行统计计算,判断虫害严重程度。本文的工作以农作物病虫害的自动检测为目的,在深入的研究农作物病虫害图像特征的基础上,设计了一套检测系统,并着重在农作物叶片自动提取、害虫检测两方面做了创新工作。从结果上看,本文的方法不仅可以有效的将农作物叶片从复杂背景中分割,而且可以精确的提取和统计出单个叶片上的害虫数量、计算叶片病害面积占整个叶片的百分比。