０ 引言

及時(shí)、有效地控治蘋(píng)果樹(shù)病害，其核心是早期發(fā)現(xiàn)病害及其種類。在傳統(tǒng)果樹(shù)種植中，往往依靠人為經(jīng)驗(yàn)進(jìn)行病害的診斷，雖然可以解決部分問(wèn)題，但人眼分辨能力有限，當(dāng)農(nóng)戶能夠?qū)ζ渥龀稣_診斷時(shí)， 果樹(shù)傷害可能已經(jīng)很嚴(yán)重。隨著電子信息技術(shù)的快速發(fā)展和計(jì)算機(jī)的大范圍普及，計(jì)算機(jī)采集和處理圖像在各個(gè)領(lǐng)域的應(yīng)用越來(lái)越廣泛。本文根據(jù)蘋(píng)果樹(shù)發(fā)病時(shí)葉片在顏色、紋理方面的差異性，采用計(jì)算機(jī)視覺(jué)技術(shù)，運(yùn)用顏色模型對(duì)比方法，設(shè)計(jì)了一套蘋(píng)果

樹(shù)健康診斷系統(tǒng)，能夠及時(shí)、有效地診斷蘋(píng)果病害。

１ 計(jì)算機(jī)視覺(jué)技術(shù)

隨著電子信息技術(shù)和計(jì)算機(jī)的迅猛發(fā)展，機(jī)器和計(jì)算機(jī)視覺(jué)在現(xiàn)代化農(nóng)業(yè)上的應(yīng)用越來(lái)越廣泛。機(jī)器視覺(jué)和計(jì)算機(jī)視覺(jué)的核心是圖像信息處理，而圖像處理技術(shù)的硬件設(shè)計(jì)相對(duì)比較簡(jiǎn)單，只需對(duì)獲取的圖像進(jìn)行特征值處理，然后利用處理器對(duì)數(shù)據(jù)進(jìn)行深層次分析，并結(jié)合機(jī)器學(xué)習(xí)（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）和人工智能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｅｇｅｎｃｅ），設(shè)計(jì)和開(kāi)發(fā)出智能監(jiān)測(cè)系統(tǒng)，體現(xiàn)出計(jì)算機(jī)視覺(jué)技術(shù)的優(yōu)越性。 計(jì)算機(jī)視覺(jué)系統(tǒng)是利用 ＣＣＤ 工業(yè)攝像機(jī)，結(jié)合圖像處理技術(shù)和智能控制，實(shí)現(xiàn)人類雙眼的視覺(jué)功能。 其將圖像信息轉(zhuǎn)變?yōu)閿?shù)字信息，并加入人的情感計(jì)算去理解和識(shí)別圖像，對(duì)檢測(cè)對(duì)象進(jìn)行判別。在日常生活中，計(jì)算機(jī)視覺(jué)在提取書(shū)本文字、虹膜識(shí)別、計(jì)算機(jī)、水果自動(dòng)分等級(jí)、機(jī)器人自動(dòng)導(dǎo)航及物流信息識(shí)別等的成功應(yīng)用，說(shuō)明采用計(jì)算機(jī)視覺(jué)技術(shù)模擬人類視覺(jué)是能夠?qū)崿F(xiàn)的。計(jì)算機(jī)視覺(jué)技術(shù)系統(tǒng)結(jié)構(gòu)如圖 １所示。

計(jì)算機(jī)視覺(jué)技術(shù)主要包括圖像處理、模式識(shí)別及圖像理解等 ３ 個(gè)方面。 １）圖像采集處理：通過(guò)雙 ＣＣＤ 攝像機(jī)，采集農(nóng)田作物實(shí)時(shí)視頻圖像信息，然后進(jìn)行分析處理。例如， 將采集到的圖像進(jìn)行初步處理，轉(zhuǎn)化成有較高信噪比的圖像。

２）模式識(shí)別：對(duì)前面處理過(guò)的信息進(jìn)行再次處

理，對(duì)圖片上其他障礙物去除噪聲干擾，根據(jù)圖像特性或結(jié)構(gòu)信息，將圖像進(jìn)行分類，然后進(jìn)行分割識(shí)別。 ３）圖像理解：ＣＣＤ 獲取的圖像對(duì)圖像理解而言， 不僅是對(duì)作業(yè)圖片自身的描述，還具有深層次的內(nèi)容信息。例如，人類可以通過(guò)觀察作物葉片信息，了解到作物生長(zhǎng)狀況。其實(shí)，計(jì)算機(jī)也可以通過(guò)數(shù)據(jù)庫(kù)信息描述和解釋圖像所代表的景物，然后通過(guò)對(duì)比圖像內(nèi)容給出決策。

２ 蘋(píng)果樹(shù)病害圖像特征分析

２．１ 顏色特征分析

蘋(píng)果黃葉病發(fā)病頻繁，對(duì)蘋(píng)果種植危害較大，主要表現(xiàn)形式有葉片發(fā)黃和葉肉黃兩種，發(fā)病原因是缺氧和缺鐵。當(dāng)蘋(píng)果樹(shù)發(fā)病時(shí)，樹(shù)葉會(huì)出現(xiàn)很多暗黃色的病斑，且整個(gè)葉片顏色會(huì)發(fā)黃，常常從蘋(píng)果樹(shù)下部向頂部發(fā)展。發(fā)病初期一般呈現(xiàn)淡綠色病斑，邊緣出現(xiàn)淺黃色斑點(diǎn)，后面葉片有斑點(diǎn)發(fā)黃，如同枯葉一般。 由于在蘋(píng)果樹(shù)病害分析中其葉片圖像顏色特征明顯， 因此提取其葉片信息對(duì)分析蘋(píng)果生理健康具有重要意義。蘋(píng)果出現(xiàn)黃葉病時(shí)葉片顏色特征如圖 ２ 所示。

２．２ 紋理特征分析 一般葉片部分區(qū)域常常會(huì)出現(xiàn)無(wú)規(guī)律現(xiàn)象，但對(duì)整個(gè)葉片而言卻會(huì)有重復(fù)性結(jié)構(gòu)，這些葉片信息就是紋理圖像特征，能夠很好地反映細(xì)節(jié)和宏觀上的圖像信息。當(dāng)蘋(píng)果樹(shù)出現(xiàn)病蟲(chóng)害時(shí)，初發(fā)生在樹(shù)冠下部和內(nèi)膛葉片上，初現(xiàn)褐色小點(diǎn)，然后出現(xiàn)同心輪紋斑，后期葉片變黃，病部周圍及背部仍保持綠褐色，病葉易早期脫落。因此，根據(jù)蘋(píng)果樹(shù)葉的輪紋紋理便可對(duì)圖像對(duì)象描述和識(shí)別，判斷果樹(shù)是否發(fā)病。葉片紋理特征如圖 ３ 所示。

３ 圖像信息識(shí)別檢測(cè)處理流程

３．１ 圖像信息的獲取

圖像信息的獲取主要通過(guò) ＣＣＤ 工業(yè)攝像機(jī)獲取， 并經(jīng)圖像處理系統(tǒng)將圖像信息轉(zhuǎn)換為數(shù)字信息，最后由計(jì)算機(jī)處理器獲取的數(shù)字信息保存并處理。蘋(píng)果

樹(shù)葉片圖像信息獲取過(guò)程如圖 ４ 所示。

３．２ 圖像信息噪聲的去除

由于果園環(huán)境比較復(fù)雜，還受天氣狀況影響，因此在實(shí)際應(yīng)用中果樹(shù)葉片信息獲取常常不是在理想情況下進(jìn)行的，甚至條件比較惡劣。因此，將燈光、環(huán)

境等因素所引起的噪聲濾除，才能得到更好的原始圖像。圖像信息噪聲去除前后對(duì)比如圖 ５ 所示。

３．３ 邊緣檢測(cè)及閾值分割

邊緣檢測(cè)方法主要是利用空域微分算子進(jìn)行的， 將檢測(cè)模板與圖像信息卷積完成。由于邊緣的灰度值是斷續(xù)的，圖像的灰度值會(huì)不斷變化，顏色也會(huì)常

常變化。葉片表面病斑就是所要檢測(cè)的重點(diǎn)環(huán)節(jié)。 為了檢測(cè)更加精準(zhǔn)，本文采用兩種邊緣檢測(cè)因子，利用兩種因子相互結(jié)合作用的方法來(lái)獲取得邊緣病斑點(diǎn)的集合。邊緣檢測(cè)及閾值分割示意如圖 ６ 所示。 圖 ６ 中，Ｕ１ 、Ｕ２ 和 Ｕ３ 為葉片圖像像素點(diǎn)。

４ 蘋(píng)果樹(shù)健康診斷系統(tǒng)

４．１ 蘋(píng)果樹(shù)葉病斑識(shí)別檢測(cè)系統(tǒng)

針對(duì)蘋(píng)果樹(shù)葉病斑圖像信息的診斷檢測(cè)系統(tǒng)主要包括獲取圖像、去除噪聲、邊緣檢測(cè)與閾值分割、圖像修補(bǔ)、提取感興趣區(qū)域、圖像細(xì)化、特征測(cè)量和病變?cè)\斷等 ８ 個(gè)板塊。首先是進(jìn)行圖像的采集和去噪工作，然后通過(guò)邊緣檢測(cè)和閾值分割對(duì)圖像的識(shí)別和計(jì)算，最后對(duì)計(jì)算機(jī)處理的結(jié)果進(jìn)行修正，從而提取出所需要的數(shù)據(jù)并做出準(zhǔn)確的診斷。圖像信息檢測(cè)診斷系統(tǒng)流程如圖 ７ 所示。

４．２ 蘋(píng)果樹(shù)葉病斑特征提取

在 ＣＩＥ 標(biāo)準(zhǔn)色度學(xué)，顏色一般用顏色模型表示。 顏色模型指在空間顏色坐標(biāo)的可見(jiàn)光子集合，是所有顏色域的集合，常見(jiàn)有 ＲＧＢ、ＨＩＳ、ＬＡＢ 等。作物病害圖像處理常常采用 ＲＧＢ 顏色模型，指的是顏色坐標(biāo)系中 １ 個(gè)單位立方體，系統(tǒng)通過(guò)計(jì)算分析葉片顏色的深度層次，判定其健康情況。計(jì)算推導(dǎo)公式為 ｒ ＝ Ｒ ／（Ｒ ＋ Ｇ ＋ Ｂ） （８）ｇ ＝ Ｇ ／（Ｒ ＋ Ｇ ＋ Ｂ） （９）ｂ ＝ Ｂ ／（Ｒ ＋ Ｇ ＋ Ｂ） （１０）其中，ｒ、ｇ、ｂ 是 Ｒ、Ｇ、Ｂ 歸一的結(jié)果，且滿足且 ｒ＋ｇ＋ｂ ＝ １。一般認(rèn)為 ｒ、ｇ、ｂ 是消除復(fù)雜環(huán)境光強(qiáng)差異后的顏色分量。根據(jù)三值計(jì)算，并結(jié)合面積加權(quán)直方圖算法，可以分析作物病害圖像紋理分布參數(shù)，作為作物病變的判斷依據(jù)。 葉片病斑形狀特征是判斷病害種類的主要依據(jù)， 因此需要提取蘋(píng)果樹(shù)各種病害的葉片圖像用于蘋(píng)果樹(shù)病害的分類。由于不同種類病害病斑形狀各不相同，周長(zhǎng)、面積、縱軸長(zhǎng)、橫軸長(zhǎng)作為判斷條件就不太可靠，因此選用形狀復(fù)雜度 Ｓｃｏｍ、偏心率和圓形度等識(shí)別葉片病斑。計(jì)算公式如下： １）形狀復(fù)雜度為。