机器视觉在HSV颜色空间下稻瘟病病程分级判定研究

摘要：

该研究旨在开发基于机器视觉技术的稻瘟病病程分级系统,实现对稻瘟病病程分级准确、客观的判定.提出基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型,该算法模型利用OpenCV与python语言实现,以反向阈值切割为核心策略分离叶片与病斑,再以循环遍历模式统计像素点得出病斑面积占比,实现对稻瘟病的快速、精确分级.试验结果表明,该算法模型与专业研究人员人工判定的结果匹配度达95.77％,相对于人工判定,具备更高的稳定性和客观性.目前对稻瘟病病程分级主要依赖研究人员通过经验判定,客观、准确的判定病程对防治稻瘟病具有重要意义.该系统以手机APP为图像采集端口,不依赖其他仪器和设备,通过手机拍照即可实时获得稻瘟病精确的分级结果,降低了研究门槛,提高了科研工作的效率.

关键词：水稻病害、稻瘟病、图像处理、机器视觉、GrabCut、病程分级

所属期刊栏目：10

分类号：S24(农业电气化与自动化)

资助基金：四川省科技厅“十三五”农作物及畜禽育种战略研究;云服务平台建设;四川省科技计划项目“基于深度卷积神经网络的玉米病害智能识别与分级鉴定研究”

在线出版日期：2020-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：83-90