[發明專利]一種基于可見光圖像的柑橘黃龍病檢測方法

有效

• 申請號: 201410255640.7
• 申請日: 2014-06-10
• 公開（公告）號: CN104008551B
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 鄧小玲;劉佳凱;邢夏瓊;梅慧蘭
• 申請（專利權）人: 華南農業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06K9/46;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 黃磊

技術領域

本發明涉及圖像處理研究領域，特別涉及一種基于可見光圖像的柑橘黃龍病檢測方法。

背景技術

柑橘是世界上產量最大的水果之一，也是我國南方地區種植規模最大的水果之一。而柑橘黃龍病(HLB)是柑橘生產中的一種毀滅性病害，其危害大，蔓延速度快。一旦柑橘感染HLB，輕者嚴重影響產量和品質，重者則造成柑橘樹的枯死，迄今尚無有效的藥物治療方法。

為了防止HLB病菌擴散，目前柑橘生產采用的首要措施是連根挖除病株。在我國，累計超過上百萬畝的柑橘園因HLB被摧毀。因此，HLB被認為是柑橘的癌癥，給果農及相關產業造成了巨大的經濟損失。如何準確可靠地診斷柑橘HLB，以便及早挖除病株，對于控制疫情蔓延、提高柑橘產量和品質，具有重要意義。盡管當前已存在一些柑橘HLB的診斷方法，如目前最可靠的PCR檢測方法，但是其在基層生產中難以普及應用。主要原因在于PCR檢測過程較繁瑣、周期較長、檢測費用較高且需在特定實驗室環境下進行，對檢測人員也有一定的技術要求。而其他諸如田間診斷、嫁接診斷、電鏡觀察、血清學診斷、DNA探針雜交等方法，也因為診斷準確率低、耗時長、成本高、過程繁瑣等原因而無法在實際中推廣應用。

因此，亟需開展快速、無損、簡易、費用低廉、準確可靠且能夠被廣大柑橘果農采用的HLB檢測方法的研究。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于可見光圖像的柑橘黃龍病檢測方法，該方法以柑橘葉片作為研究對象，分析基于染病柑橘葉片的可見光圖像，確定葉片的圖像特征，建立能準確反映HLB的檢測模型，對柑橘黃龍病進行早期、準確、非破壞性診斷。

本發明的目的通過以下的技術方案實現：一種基于可見光圖像的柑橘黃龍病檢測方法，在訓練階段，采集大量已感染柑橘黃龍病的柑橘葉片的圖像以及正常葉片的圖像，提取紋理特征和顏色特征的特征值，將上述特征值與正常葉片的特征值通過BP神經網絡進行訓練、學習，得到最優的BP神經網絡模型；在進行識別階段，提取待識別葉片圖像的特征，輸入上述最優的BP神經網絡模型中，即判斷柑橘樹是否健康。

具體的，所述訓練階段包括如下步驟：

(1)采集已感染柑橘黃龍病的柑橘葉片的彩色圖像以及正常葉片的彩色圖像；

(2)將彩色圖像灰度化后，采用灰色共生矩陣獲取灰度圖像的紋理特征，提取灰度共生矩陣的能量、熵、對比度、相關度作為灰度檢測特征值；

(3)利用彩色圖像的HSV顏色空間，計算該顏色空間中的一階矩、二階矩和三階矩，將上述三個值作為HSV檢測特征值；

(4)將灰度檢測特征值和HSV檢測特征值輸入BP神經網絡進行訓練、學習，得到最優的BP神經網絡模型。

由于HLB葉片的顏色特征較難分辨，僅利用HSV下的顏色特征有時候仍不能達到很好的分辨效果，故還可加入HSI空間的顏色矩，具體步驟是：利用彩色圖像的HSI顏色空間，計算該顏色空間中的一階矩、二階矩和三階矩，將上述三個值作為HSI檢測特征值；將灰度檢測特征值、HSV檢測特征值、HSI檢測特征值均輸入BP神經網絡進行訓練、學習，得到最優的BP神經網絡模型。

在實際應用中，不僅需要判斷是否健康，有時還需要判斷黃龍病的種類，即是屬于均勻黃化、花葉、斑駁的哪一種，同時有可能出現葉片具有黃化的現象，但是這一黃化并不是黃龍病導致，即非黃龍病黃化，其既不屬于健康的一類，也不屬于黃化病，這也需要進行區分，為此，采用下述步驟進行識別，具體步驟是：

(2-1)選擇已知黃龍病種類為均勻黃化的圖像以及非黃龍病黃化的圖像，將步驟(3)得到的HSV檢測特征值輸入到BP神經網絡進行訓練、學習，得到最優的、判斷均勻黃化與非黃龍病黃化的BP神經網絡模型；

(2-2)選擇已知黃龍病種類為花葉的圖像以及非黃龍病黃化的圖像，將步驟(3)得到的HSV檢測特征值輸入到BP神經網絡進行訓練、學習，得到最優的判斷花葉與非黃龍病黃化的BP神經網絡模型；

(2-3)選擇已知黃龍病種類為斑駁的圖像以及非黃龍病黃化的圖像，將步驟(3)得到的HSV檢測特征值輸入到BP神經網絡進行訓練、學習，得到最優的判斷斑駁與非黃龍病黃化的BP神經網絡模型；

(2-4)選擇正常葉片的圖像以及非黃龍病黃化的圖像，將步驟(2)、(3)得到的灰度檢測特征值和HSV檢測特征值以及補充的HSI檢測特征值輸入到BP神經網絡進行訓練學習，得到最優的判斷健康與非黃龍病黃化的BP神經網絡模型。