作物识别

作物识别（共4篇）

作物识别 篇1

地下害虫是一类重要的农业害虫, 为害期间主要在土里生活, 为害播下的种子、植物地下部分或地面附近的根茎部位, 因此也被叫做土壤害虫。农作物常见地下害虫的种类有:蛴螬、地老虎、蝼蛄、蟋蟀等。由于它们发生规律各不相同, 而且都是潜伏在土壤中为害, 不容易被及时发现。因此, 在防治上存在很多困难。而及时准确地采取措施, 有效地防治地下害虫, 对于确保植株苗全苗壮, 实现农业丰产增收, 有着至关重要的意义。该文介绍了几种常见农作物地下害虫的识别和防治方法, 以期为实际生产提供指导。

1 蛴螬

蛴螬也叫白地蚕、地漏子等, 是金龟子幼虫的统称, 它的分布遍及全国, 是地下害虫中分布最广、种类最多、危害最重的一大类群。

1.1 形态特征

蛴螬身体肥大, 老熟时体长35~45 mm, 常弯曲成“C”形。头大而圆, 多为黄褐色, 或红褐色。身体乳白色或黄白色。体壁较柔软, 上面有很多皱褶, 表面长有棕褐色的细毛。有3 对胸足, 腹部没有足 (图1) 。

蛴螬的成虫就是金龟子。常见的种类有大黑鳃金龟 (图2) 、暗黑鳃金龟 (图3) 、铜绿丽金龟 (图4) 等。金龟子与其他甲虫相同, 也有一身坚硬的外表, 头比较小, 触角端部有几节向前侧延伸, 呈梢状或鳃片状, 这是金龟子的共同特征。其中大黑鳃金龟身体黑色, 有光泽;暗黑鳃金龟身体暗黑色或红褐色, 无光泽;铜绿丽金龟身体铜绿色或红铜绿色, 有光泽。

1.2 发生与为害

蛴螬的食性很杂, 主要为害麦类、玉米、高粱、大豆、花生等大田作物, 以及蔬菜、果树、林木的种子、幼苗及根茎 (图5) 。可取食播下的种子, 咬断幼苗的根、茎, 咬断处断口整齐。蛴螬为害较轻的会造成缺苗断垄, 为害严重的会造成毁种绝收。它们咬食花生嫩果和甘薯、马铃薯的块茎和块根, 不但造成减产, 还容易引起病菌的侵染, 影响品质。

我国已经记载的蛴螬种类有100多种, 它们的发生规律也有所不同, 一般1 年发生1 代, 也有的1 年发生2代, 或2 年发生1 代。以幼虫或成虫在土壤中越冬。每年4—5 月成虫开始出土活动, 并且取食为害。

成虫将卵产在土壤表面或浅土层。幼虫孵化后, 就钻入土壤中生活, 取食植物的地下组织。幼虫虫态为3龄, 一般1~2 龄食量小, 为害不严重, 3 龄幼虫食量大, 是为害的主要时期。

蛴螬的发生为害与土壤条件具有密切关系。一般土温14~22℃为适宜活动的温度范围。一年中以春、秋季节为害重。有机质含量丰富的偏酸性土壤, 以及保水力强的粘重土壤, 蛴螬危害较为严重。幼虫在土中的分布常随着土壤质地、土壤湿度以及土壤温度的变化而上下移动。

2 地老虎

地老虎也叫切根虫、地蚕或土蚕, 是我国各类农作物苗期重要的地下害虫。常见的种类有小地老虎、大地老虎和黄地老虎等。地老虎食性杂, 可以为害各类旱地农作物、蔬菜, 甚至花卉和苗木。

2.1 形态特征

地老虎的卵均为黄白色, 半球形, 直径0.6~0.7 mm。卵孵化以后就成了幼虫。

与其他蛾类幼虫一样, 地老虎的幼虫也是毛毛虫, 只是身体上的体毛少而且不明显。生产中常见的小地老虎、大地老虎和黄地老虎的幼虫一般不容易区分。小地老虎的幼虫 (图6) 老熟时体长4~5 cm, 黄褐色至黑褐色, 体表粗糙, 布满了皱纹和黑色的小颗粒;大地老虎的幼虫与小地老虎幼虫相似, 但体长4~6 cm, 略大于小地老虎幼虫;黄地老虎幼虫 (图7) 在地老虎中体型最小, 体长3~4 cm, 体表的小颗粒也不明显。

地老虎幼虫老熟以后, 就转变成了蛹。蛹长15~25 mm, 红褐色至暗褐色。地老虎的蛹经过一周左右就可以羽化为成虫了。

地老虎的成虫 (图8) 都是种蛾类, 体长15~25 mm, 翅展40~55 mm, 整个身体的颜色比较灰暗, 形态上也比较相近。雄蛾的触角是羽毛状;而雌蛾的触角是丝状, 像一条细丝。它们的前翅上有一些相似的斑纹, 有肾形纹、环形纹、楔形纹等多种形状, 这些斑纹的周围都镶有黑边。小地老虎、大地老虎和黄地老虎的成虫区别不明显, 一般来说, 小地老虎后翅灰白色, 大地老虎后翅淡褐色, 而黄地老虎的却呈现白色。

2.2 发生与为害

地老虎低龄幼虫在植物的地上部分为害, 取食植株幼苗的子叶、嫩叶片, 造成孔洞或缺刻。随后开始钻入浅土中, 晚上钻出土壤取食植物幼苗靠近土表的嫩茎、嫩叶 (图9) , 造成缺苗断垄, 甚至形成毁苗重播的后果。此外, 幼虫还能够蚕食甘薯、马铃薯等作物的地下块茎、块根 (图10) 。

我国从北到南, 地老虎一年发生2~7 代, 一般以幼虫和蛹越冬。

地老虎成虫有怕太阳光的习性, 白天潜伏在土缝中、杂草间或其他隐蔽处, 夜间出来活动。成虫对糖醋液和黑光灯有很强的趋性, 取食花蜜补充营养后才能产卵。1 头雌成虫可以产卵2 000 粒以上。幼虫一般为6 龄, 有假死性 (图11) , 在受惊或者受触动时身体常弯曲呈“C”字形。1~2 龄幼虫昼夜都可以取食, 3 龄后怕光亮, 白天在土壤内栖息, 夜晚取食。5 龄后进入暴食期, 食量大, 是造成为害的主要时期。老熟幼虫在畦埂或地边田头5~10 cm土壤深处吐丝, 将土粒粘到一起结成土室化蛹。

地老虎的发生为害与土壤湿度密切相关。小地老虎喜欢土壤湿润的地块, 因此地势低洼、夏秋季积水的地块容易受害。但是春季雨水过多, 也不利于幼虫存活。黄地老虎幼虫比较耐干旱, 土壤湿度过大也不利于幼虫及蛹生存, 田间灌水常常会造成幼虫死亡。

3 蝼蛄

蝼蛄俗称拉拉蛄、地拉蛄、土狗子等, 可以为害多种旱地作物和林果苗木等, 是重要的地下害虫。在我国南方, 以东方蝼蛄分布最为广泛, 而北方则以华北蝼蛄为主。

3.1 形态特征

蝼蛄的前足称为“开掘足” (图12) , 属于蝼蛄类昆虫所特有的足, 它们用这种足在土壤里到处挖洞。它们的前翅短, 后翅长, 呈折扇状纵折在前翅下, 并伸出腹部末端如尾状。这是蝼蛄的共同特征。东方蝼蛄体长30~35mm;华北蝼蛄 (图13) 比东方蝼蛄 (图14) 大, 体长39~50 mm。东方蝼蛄的后足胫节内上方有3 个以上的刺, 而华北蝼蛄只有1~2 个刺, 有的没有刺。它们的幼虫与成虫相似, 只是体形稍小, 没有翅膀。

3.2 发生与为害

蝼蛄以成虫和幼虫在土中咬食刚播下的种子和刚发芽的种子, 也可啃食幼苗的嫩茎, 导致幼苗倒折。幼苗根茎部受害后造成乱麻状缺刻, 使植株发育不良, 甚至干枯死亡。此外, 由于蝼蛄活动力强, 在近地表下活动, 造成地下隧道遍布, 切断幼苗根部, 还能够使幼苗的根部与土壤分离, 导致幼苗缺水而枯死。发生严重的, 会常造成缺苗断垄, 严重影响农作物的生产。所以农民有句俗话“不怕蝼蛄咬, 就怕蝼蛄跑”。

蝼蛄的生活史长, 1~3 年才能完成1 代, 东方蝼蛄在华中、长江流域及以南地区1 年发生1 代, 以北地区约2 年发生1 代。华北蝼蛄3 年左右完成1 代。它们都是以成虫和幼虫在土中越冬。成虫有趋光性, 但飞翔能力弱。新羽化的成虫当年不交配, 为害一段时间后也就进入越冬状态, 次年才开始交配产卵。

4 蟋蟀

蟋蟀, 也叫蝈蝈。蟋蟀是一类多食性害虫, 可以为害花生、大豆、玉米等多种旱地农作物的幼苗, 其中以花生和大豆受害最重。我国常见的蟋蟀种类主要是大蟋蟀和油葫芦 (图15) , 华南地区以大蟋蟀为主, 华北、华东和西南地区以油葫芦为主。

4.1 形态特征

大蟋蟀和油葫芦在形态上比较相似, 不太容易区分。它们全身褐色, 头顶漆黑且有反光, 上有橙黄色纵纹。雄虫后部有2 根尾须, 俗称“二尾子”。雌虫有4 根尾须, 中间还有一个产卵管。两者触角都较长, 呈长丝状。后足其中一节比较粗壮, 跳跃能力很强。

大蟋蟀体长30~40 mm, 而油葫芦相对较小, 体长20~25 mm。它们的后翅也像蝼蛄那样卷缩如尾状, 与蝼蛄不同的是前翅基本上可以覆盖整个腹部。大蟋蟀头部两只复眼之间有一个“Y”形浅沟;后足胫节有4~5 对刺;油葫芦前胸背板有2 个暗色的月牙纹, 后足胫节有6 对刺。而大蟋蟀和油葫芦的幼虫形态与成虫相似, 但幼虫颜色较淡, 翅膀还没有发育好, 只有翅芽。

4.2 发生与为害

蟋蟀的成虫和幼虫都可为害农作物, 它们常常把嫩茎咬断, 然后拖回洞中取食, 有时也会把咬断的嫩茎放在洞外, 造成严重的缺苗断垄现象, 甚至毁种重播。

大蟋蟀一年发生1 代, 以3~5 龄幼虫在土穴中越冬。成虫和若虫白天大多在洞穴中栖息, 傍晚出来活动, 以闷热的夜晚最为活跃。

油葫芦一年发生1 代, 一般以卵越冬。成虫喜欢藏身在积草下。

5 常见农作物地下害虫的综合防治

由于地下害虫的生活习性比较特别, 为害又很隐蔽, 因此给防治工作带来很大困难。地下害虫是国内外公认的较难防治的一类害虫。地下害虫的防治应贯彻“预防为主, 综合防治”的植保方针, 根据虫情, 因地因时制宜, 将各项措施协调运用, 做到地下害虫地上治, 成虫、幼虫结合治, 田内田外选择, 控制地下害虫的为害在经济允许水平以下。

5.1 从栽培方式上防治地下害虫

(1) 改善耕作制度。地下害虫最爱啃食禾谷类和块茎、块根类作物, 对棉花、芝麻、油菜、麻类等直根系作物不爱啃食。因此, 合理的轮作倒茬, 恶化地下害虫的生活环境, 可以明显减轻地下害虫的为害。有条件的地区, 可以实行水旱轮作, 对地下害虫有很好的防治效果。

(2) 调整播种期。春季适时早播, 秋季适时晚播, 避开地下害虫为害高峰期, 对减轻地老虎、蛴螬及蝼姑的危害特别明显。

(3) 清洁田园。前茬作物收获后, 及时拣尽田间杂草, 以减少地下害虫产卵和隐蔽的场所。在作物出苗前或地老虎1~2 龄的幼苗盛发期, 及时铲净田间杂草, 减少幼虫早期食料。

(4) 适时浇水。含水量高的土壤, 不利于地下害虫的存活。因此, 适时浇水, 可以达到防治蛴螬的目的。例如, 秋末进行冬灌, 水量越大蛴螬死亡率越高, 可以减少第2 年蛴螬的危害。在小麦抽穗后浇水, 可迫使蛴螬往土壤深处移动, 从而减轻小麦受害。

(5) 科学施肥。金龟子和蝼蛄成虫喜欢在未腐熟的农家肥上产卵, 在施用农家肥之前, 一定要经过充分腐熟。

(6) 翻耕晒田。前茬作物收获后, 或冬季田地空闲时, 及时翻耕晒田, 这样不但可以恶化蛴螬的生存环境, 还会使蛴螬受到机械杀伤, 被翻到地面后还会受到日晒、霜冻、鸟类啄食等。

5.2 物理防治地下害虫

(1) 灯光诱杀。金龟子、地老虎的成虫具有很强的趋光性, 在夜晚喜欢朝着有灯光的地方飞。因此, 可以根据这一习性, 设置黑光灯或频振式杀虫灯, 在黑夜开灯诱杀成虫, 尤其以选择晴朗无风而且闷热的夜晚, 效果最好。

(2) 糖醋酒液诱杀。地老虎的成虫对糖醋液有很强的趋性。糖醋酒液配制是按照糖:醋:酒:水=6:3:3:10 的重量比例, 混合均匀而成。如果在混合液中加入少量敌百虫, 杀虫效果会更好。一般1 hm2地放45~60 盆, 沿地边放置在高1 m的三角支架上, 每天捞取盆中死亡的成虫。

(3) 叶片诱捕。地老虎幼虫和蛴螬喜好泡桐叶、莴苣叶和烟叶, 把叶片用水浸泡过后, 扎成草把, 或堆成小堆, 在傍晚的时候放入田间, 次日清晨, 翻开叶片捕杀幼虫。

(4) 堆草诱捕。根据蟋蟀喜欢藏身在草堆里的习性, 可以在田间堆放小草堆, 堆放厚度大约10 cm, 放750 堆/hm2。早晨进行人工捕杀或喷药毒杀。

(5) 人工捕杀。下雨过后或土壤湿软时, 清晨巡视田间, 翻检新被害植株附近的土壤, 人工捕杀蛴螬、地老虎等地下害虫。

5.3 药剂防治地下害虫

对于地下害虫为害较重的地区, 播种前要进行种子处理。具体的方法是:取50 g50%辛硫磷乳油或40%乐果乳油, 加水2 kg, 用喷雾器将药液均匀喷拌于25~30 kg种子上, 堆闷6~12h, 使药液充分渗透到种子内就可以播种了。

撒毒土也有较好的防治效果, 具体的方法是:1 hm2用15.0~22.5 kg3%氯唑磷颗粒剂, 加入已经过筛后的细干土300~375 kg, 拌匀后撒施或丢施在植株根部附近。也可以在播种前, 对土地进行深耕, 然后把事先拌好的毒土均匀地撒施在畦面上, 最后进行耙平操作, 使毒土混合在0~10 cm土层中。

地老虎幼虫在3 龄以前, 昼夜都在地面上活动, 食量小, 抗药性弱。此时施药效果最好。药剂可以选用10%高效氯氰菊酯乳油, 用量225 ml/hm2;或5%氟虫腈悬浮剂, 用量375~450ml/hm2;或5%氟啶脲乳油, 用量375~450 ml/hm2, 对水750 kg, 混匀后均匀喷洒叶片, 特别是心叶和杂草。

摘要：介绍了农作物常见地下害虫:蛴螬、地老虎、蝼蛄、蟋蟀的形态特征、为害症状及发生规律, 并从农业防治、物理防治及化学防治3个方面总结了这些害虫的防治方法, 以期为实际生产提供科学指导。

关键词：农作物,地下害虫,识别,防治

作物识别 篇2

关键词：除草机器人；智能识别；定向施药；自动化

中图分类号：TP242 文献标识码：A 文章编号：1674-1161（2016）06-0016-03

农田杂草若任其发展不加以有效控制，不仅会影响农作物的生长，降低农作物的产量和质量，而且还会间接助长病虫害的滋生和蔓延[1]。目前，国内常用的除草方法有人工除草和化学除草等方式[2]。人工除草效率低、劳动强度高，已经不适应现代农业的发展需求。化学除草效率比较高，对突发性的草害效果明显，但是化学除草一般都采用喷雾施药，如果除草剂使用不当，不仅会造成浪费多、成本高等问题，还会导致除草剂残留量超标、环境污染甚至人员中毒等严重后果。针对以上问题，国内外专家研究了机械式除草方法，如采用喷雾机等设备施药，但这类方法是向地面均匀地喷洒农药，而不管地面杂草多少或者有无，从而导致农药污染[3]。本课题以农业主导产业中的蔬菜、水果等条播作物为研究对象，根据农田除草的特殊性，设计一种智能识别农作物定向施药的智能除草机器人，以提高除草效率和保护生态环境。

1 智能除草机器人的设计思路及工作原理

本课题研究的智能除草机器人，适用于蔬菜、水果等条播作物田地除草。由于杂草种类繁多，要识别出各种各样的杂草，难度非常大；而作物相对单一，识别较容易。所以设计思路为：1） 在杂草和作物同时存在的作物行内，尝试采用不识别行内杂草而只识别行内作物植株的新方法，即只要识别出作物，在除草时就规避作物除草。这样可以降低自动化操作的复杂程度，从而使智能除草机器人的自动化应用成为可能，有利于提高人力资源的利用率。2） 完成机械除草后，再对杂草残根抹药，实现精准施药，达到彻底除草的效果。精准施药可以减少农药用量，降低生产成本，以及起到保护生态环境的作用，符合绿色农业的发展理念。

智能除草机器人的工作原理为：1） 该机器人可以沿着作物的行间行驶，改进了现有很多机器人骑在作物行上行驶的方式。骑在作物行上行驶的缺点是机器高度要适应作物高度（机器必须做得比作物还高），而在作物行间行驶就不受作物高度影响。2） 摄像头对作物行内的杂草和作物信息进行采集，如果检测到作物行内是作物时，行内除草装置在控制系统作用下缩回机架，以避开作物；通过作物后，行内除草装置在控制系统作用下再伸出机架，继续行内除草并涂抹施药。3） 行间除草不需识别，直接正常除草并涂抹施药。4） 设计两种并施的除草方式，首先利用除草刀片进行机械式剪锯切断杂草，达到快速除草效果，然后涂抹施药装置再对杂草切口涂抹除草剂，做到精准施药。精准施药与喷洒农药方式相比，药剂注入草体效率高，除草效果更好，同时避免了无效用药，节省了除草剂用量，使农药浪费大大减少。行内作物除草实施方案如图1所示。

2 智能除草机器人的结构设计

该机器人结构设计初步方案如图2所示，主要由工作平台、定位摄像头、计算机、控制器、作物行内除草装置、作物行间除草装置以及除草机器人前行系统（包括轮架系统、电机动力系统、转向判断及实施系统）等组成[4]。作物行间除草装置位于机器的前部，作物行内除草装置位于机器的两侧。集成控制器电控连接计算机、平移气缸、施药装置和除草机器人前行系统。

2.1 作物行内除草装置

作物行内除草装置如图3所示，主要由支架、气缸、导轨、除草刀具装置等组成。气缸为水平安装，用来实现除草刀具装置伸出/缩回的水平移动。作物行内除草装置随着除草机器人平台在作物行间运动，当控制系统检测到作物植株时，除草刀具装置往内缩进，让开作物，通过作物后再行伸出；当控制系统未检测到作物时，除草刀具整体往外伸出，正常除草并施药。由气缸完成刀具整体往里或往外移动。

2.1.1 除草刀具装置 除草刀具装置由上梳齿板、下梳齿板、除草刀片组架系统、除草刀片往复移动机构、抹药装置等组成（如图4所示）。除草刀片设置在上梳齿板和下梳齿板之间。刀片的前侧边沿为刀刃，除草刀片刃口要求做成锯条齿形状，设为动刀片；下梳齿板齿牙的前端也加工成刀刃，设为定刀片，与动刀片密合安装，形成剪切装置。除草刀片的工作过程为：一方面锯条齿形状刀刃往复移动锯切杂草；另一方面由定刀片和动刀片形成剪切杂草的作用。上梳齿板的齿牙前端设置为向下倾斜，倾斜角度约45°，并与下梳齿板齿牙的前端尽量靠近，形成鸭嘴型，这样在除草过程中可以将杂草梳理起来，方便除草；同时可以推起泥土中高凸的硬石子或杂物，避免损伤除草刀片刃口。

2.1.2 刀片往复移动机构 除草刀片往复移动通过偏心轮机构实现。刀片往复移动机构主要由直流电动机、偏心轮等组成（如图5所示）。工作时，电动机带动偏心轮、连杆，使刀片组架系统往复移动，通过下梳齿板的定刀片与往复移动的动刀片配合，对杂草进行有效切割，从而完成除草动作。集成控制器电控连接直流电动机。

2.1.3 施药的具体结构 施药装置由存药箱、输药管、电控阀、滴药管、施药海绵、湿度传感器等组成。存药箱连接输药管，电控阀设置在输药管的进口上、并与集成控制器连接，滴药管与输药管的末端连接，施药海绵设置在下梳齿板的齿牙间隙后部（如图6所示），湿度传感器通过电路与集成控制器连接。工作时，除草机器人在作物行间运动，作物行内除草装置和行间除草装置通过上梳齿板和下梳齿板梳起杂草并切割，然后施药装置通过施药海绵对刚切割过的杂草切口涂抹施药。湿度传感器检测施药海绵中的含药量，如偏少，由输药管加药进海绵。

2.2 作物行间除草装置

作物行间除草装置与作物行内除草装置中的除草刀具装置相似，由上梳齿板、下梳齿板、除草刀片组架系统、除草刀片往复移动机构、抹药装置等组成，只是宽度略大于作物行内除草装置，刀具结构与两侧面刀具相同。不同的是，作物行间除草装置不用整体移动，而是与机器人平台固定安装。

nlc202309090941

2.3 作物智能识别及除草装置控制系统

控制系统工作流程为：在执行除草工作前，通过摄像头和计算机软件输入作物的特征标准（如色度、垂直高度下限、水平宽度下限等信息）；除草机器人运行时，通过两个定位摄像头采集图像信息，与作物特征标准进行比对，识别出前方作物，并由两个定位摄像头确定作物对机器的方位；当机器行进至回避位置处，由计算机发出指令，控制行内除草装置缩回机架，避开作物；通过回避位置（即作物）后，计算机再发出指令，控制行内除草装置伸出机架，继续除草并涂抹施药。

3 结论

本课题研究设计的智能识别农作物定向施药除草机器人，可同时进行行间除草和行内除草工作。行内杂草需进行识别作物后除草并施药，行间杂草无需识别直接除草并施药。该机器人全部采用自动化操作，除草效率比较高，节约了劳力，适合现代农业大规模少人力的发展模式；同时，通过精准施药，提高了除草实效，避免了无效施药，大大减少了除草剂用量，降低了农业生产成本，从而减轻了农药对土壤和大气环境的污染，可以有效保护生态环境。

参考文献

[1] 郭振升.农田杂草的危害及防除[J].河南农业，2003（9）：32.

[2] 范德耀，姚青，杨保军，等.田间杂草识别与除草技术智能化研究进展[J].中国农业科学，2010，43（9）：1 823-1 833.

[3] 金小俊.基于双目立体视觉的除草机器人行内杂草识别方法研究[D].南京：南京林业大学，2012.

[4] 张金美，沈建明，陶雄春.漫反射光电开关在除草机器人中的应用[J].传感器世界，2016，22（5）：19-22.

Abstract： Weeds not only affect the growth of crops， but also encourage the breeding and spread of pests and diseases indirectly. Considering the current existing problems by using the method of manual or chemical weeding and so on， this paper designed a kind of weeding robot for crops recognition intelligently and pesticide application directionally， and carries out a detailed analysis and study of its design ideas， working principle and key structure. This robot with automatic operation is efficient in weeding， realize precision medicine and protect the ecological environment effectively.

Key words： weeding robot； recognition intelligently； pesticide application directionally； automation

作物识别 篇3

关键词：计算机图像技术,图像处理,作物籽粒

0 引言

粮食的人类赖以生存的基本保障。近年来, 我国农业技术不断进步与发展, 全面提高了城乡居民生活水平, 人们对粮食的追求已经从单纯的数量需求逐渐过渡到对其品质的追求了。为了顺应生产和市场变化的需求, 在作物籽粒的识别研究上, 引入了计算机图像处理技术, 降低了农业生产的成本, 能快速准确的识别出作物籽粒的数量, 准确率高达98%, 提高了农作物的质量, 促进我国粮食在国际市场的竞争水平。

1 作物籽粒图像识别处理的研究分析

作物籽粒外观品质的计算机视觉检测系统包括图像获取、图像增强、特征参数提取和分类等。如图1所示。其中, 采集设备、照明设备、载样台构成的图像获取装置, 能提供清晰稳定的作物数字图像;图像增强可以进行图像的预处理和分割, 达到改善图像质量, 增强图像识别的效果;在此之后, 需要分析和变换方法, 计算作物颜色、形态和纹理结构, 放映作物的特征参数;最后选择合适的算法, 进行品种的鉴别和外观品质的检测。

优质、高产的农业生产必须依靠优良的种质资源, 农作物籽粒图像识别处理技术已经成为现代农业研究和发展的必然选择。籽粒的图像特征能反映籽粒内部的生理特征, 帮助技术研究人员对种子的质量进行鉴别。计算机图像识别作物籽粒质量的过程一般分为以下几个部分:

1.1 作物籽粒图像采集

往往籽粒的尺寸都比较小, 其图像的采集会在室内进行。计算机图形识别处理技术在采取籽粒图像时, 为了获取高质量、稳定的籽粒图像, 就必须保证采集环境的稳定性。如摄像机摆放的位置、不同分辨率、不同光源造成的色差、不同焦距对图像的影响等。在研究过程中, 有些技术人员利用扫描仪作为采集系统的主要设备, 能获取高质量的籽粒图像, 实验效果比较准确、理想。2009年孙光明等人利用MS3100多光谱成像仪, 结合可见光和近红外方法对大麦进行成像, 较好的反映了农作物籽粒的品质特性。

1.2 作物籽粒图像预处理

往往籽粒的图像需要经过分割、去噪等预处理工作。在作物籽粒分割方面, 按照一定的规定把其放置在载样台上。但是彼此不能连接, 这样比较容易分割籽粒图像。在实际作物籽粒在线检测系统中, 籽粒随机放置在载样台上, 两者难免会接触, 导致检测效率降低。针对这个难点, 可以利用形态学方法对籽粒进行分割。2005年Gong Zhang等人使用椭圆匹配的方法对加拿大的四种不同小麦的籽粒进行了分割, 随后技术研究人员还利用了分水岭分割、公共区域或籽粒轮廓寻找分割点等方法实现了作物籽粒图像的自动分割。

1.3 作物籽粒特征参数提取

作物籽粒图像特征参数一般包括籽粒的颜色、纹理结构、形状 (质心、长宽比) 以及尺寸 (面积、体积、周长) 等。另外在一些研究中采用不变矩和傅里叶从不同角度描述了作物籽粒的形状特征, 并进行分类。2004年凌云等人提出用分形的思想描述大米籽粒上垩白区域的分布情况。2010年权龙哲等人采用K—L变换技术对外观相似的玉米籽粒图像进行了参数提取, 利用少量的特征, 并采用图像信息压缩技术, 反映了玉米品种籽粒的外观特性, 为后期有效的鉴别相似玉米品种提供了强有力的保障。

1.4 作物籽粒品质鉴别

一般来讲, 籽粒鉴别的类型包括对籽粒甄别其品质的检测、不同籽粒的品种归属, 两种鉴别类型都是利用遗传算法、人工神经网络和支持向量机等模式来识别的。2009年李伟等人根据形态学特征, 通过轮廓对称性识别局部破损棉种, 识别率高达94%。

2 实例分析

若想较为准确的识别作物籽粒, 就必须提高图像识别和处理的精确度和便捷性, 只有不断的改进传统的图像识别中的分割法, 提高作物籽粒图像识别的准确性, 才能为计算机技术在农业生产的应用奠定坚实的基础。下文就以水稻籽粒为例, 对图像分割的方法进行探讨分析。

2.1 分水岭分割算法

分水岭分割算法被广泛的运用在作物籽粒图像处理中, 是一种比较实用的图像分割算法。首先应该明确分水岭分割法的含义是基于梯度空间的, 首先应该把籽粒图像转换为梯度图像。分水岭分割算法对籽粒的边缘有很好的响应, 对籽粒有很好的分割效果, 但是也容易产生过度分割的现象。针对这个问题, 必须对分水岭分割算法进行改进, 使用极小值合并分水岭分割算法消除过度分割。如图2是水稻籽粒原始图像, 图3是分水岭分割算法的效果。

2.2 综合分割计数法

虽然分水岭分割算法在消除过度分割方面进行了一定的改进, 但是在某些情况下, 仍然不能较高的处理过度分割现象, 因此可以在对水稻籽粒的面积进行测量时, 可以结合外部设备。在籽粒图像采集过程中, 必须调整摄像头和籽粒的距离, 在一定的距离内测出水稻籽粒的平均像素n, 将分割区域2n/3比较, 像素数大于2n/3的记住1个籽粒, 并把此区域设为背景色;小于2n/3的区域与邻进区域比较, 与同样小的区域合并, 再与2n/3比较。如果大于2n/3, 周边又没有小于n/3的区域, 将其合并, 区域颜色设为背景色, 籽粒数加1。当图像颜色权威背景色就结束处理, 如图4。

3 结束语

随着计算机技术不断发展, 势必也会推动我国农业的进步, 提高我国农业在国际上的竞争力。虽然在计算作物籽粒数量时还存在一定的缺陷与不足, 但是只要不断创新计算机图形技术, 改进分水岭分割算法和综合分割算法, 不断深入研究更多先进、高效的作物籽粒识别处理技术, 就会提高农作物生产质量, 促进我国农业健康稳定的发展。

参考文献

[1]王雪, 马卓, 王欣, 姜丹, 刘小溪, 贾志雷.基于颜色和形状特征的黄瓜霜霉病自动识别研究[J].安徽农业大学学报, 2013, 06:1071-1075.

[2]葛婧.基于计算机图像处理技术的作物病害等级检测[D].安徽农业大学, 2007.

[3]文新亚, 宋振伟, 孔凡磊, 张志鹏, 陈阜.基于数字图像技术的冬小麦不同施氮处理颜色特征分析[J].中国农业大学学报, 2010, 02:82-87.

[4]陆明, 李茂松, 申双和, 王春艳.图像识别技术在作物农情信息反演中的应用[J].自然灾害学报, 2011, 03:18-24.

作物识别 篇4

关键词：自动识别,支持向量机,病害图像,特征向量,双编码遗传算法

0 引言

在农作物生产中，病害是制约农作物产量和质量的重要因素。作物病害的发生，往往致使作物的使用价值降低，甚至还会导致作物大面积减产，造成经济上的巨大损失。因此，病害的防治就成了农作物生长过程中一个关键问题。近年来，计算机视觉技术和模式识别技术快速发展，为把计算机用于农作物病害诊断领域提供了可能。利用计算机对作物病害叶片图像进行病斑分割、特征提取和病害识别，以达到客观、准确、及时地对病害实施诊断。与人工方式相比，计算机诊断提高了诊断的精确度和效率，为作物保护智能化、变量喷药控制等提供重要实际意义。

支持向量机[1](Support Vector Machine,SVM)是Vapnik等人提出的一款新型的机器学习方法。在基于数据的机器学习领域，因支持向量机表现出特有的优势，已成为当前机器学习领域的研究热点。目前，支持向量机已开始用于作物病害的识别[2,3,4,5]，并取得了一定的成绩。本文提出了一种基于双编码遗传特征选择的支持向量机和作物病害图像多特征参数识别病害的方法，对作物病害图像增强处理，运用基于HIS颜色空间的H分量与大津法(Otsu)结合自动分割图像病斑，提取病斑的颜色、纹理、形状特征向量值。识别模型采用双编码遗传算法的支持向量机实现，即利用双编码遗传算法选择特征子集，获得其权重;底层采用一对一投票策略的支持向量机作为分类器;分类器精度作为遗传算法的适应度对个体进行了评估，形成一体化的病害识别模型。实验表明，该方法在烟草病害识别领域具有很好的识别能力。研究将为作物病害的远程诊断提供理论基础，以促进计算机图像处理技术和模式识别技术在农业工程领域中的应用。

1 图像增强处理

因受采集设备、环境等因素影响，采集的图像常常含有噪声，如果直接进行图像分割和特征提取，会给识别造成误差。为此，需进行平滑滤波处理，以改善图像质量。因中值滤波在去噪的同时，能保留图像病斑的边缘信息，使病斑轮廓与细节更加清晰，利于后期病斑的分割，本文采用了此滤波算法。若一幅大小为N×N的图像，其中值滤波可由式(1)实现，有

2 图像病斑分割

图像分割就是把图像分成各具特性的区域，并提取出感兴趣目标区域的过程，它是图像分析的关键步骤之一。目前已研究出不少边缘提取、区域分割的方法，但没有一种是普遍适用的有效方法。因此，图像分割方法的研究是目前图像处理的热点也是难点之一。通过实验对比发现，在HIS颜色空间，采用与光照变化无关的H分量及Otsu法进行自动阈值分割效果较好。Otsu法通过计算图像中目标和背景的最小类内方差和最大类间方差，来确定图像的动态分割阈值。具体操作如下:

1)将图像由RGB色彩空间转为HIS色彩空间，其色度

2)设分割阈值为t，把图像分为两个区域:背景区域与目标区域，分别用{f(x,y)≤t}及{t

(5)总均值:μ=w0(t)μ0(t)+w1(t)μ1(t);

(6)最佳阈值公式为

3)通过式(3)的分割，可以获得较完整的病斑边缘信息，有

其中，fp(x,y)为像素点p(x,y)的像素值，黑色用(0,0,0)表示。则病斑初始分割区域S可描述为:S={p(x,y)fp(x,y)≠(0,0,0)}。将初分割的图像用二值图像M表示，其中白色区域用S1表示，其他区域为黑色。

4)利用压缩水平、垂直和对角线区段方法[6]，从M中拾取S的外边缘轮廓S2，并对S2整个内部区域进行黑色填充，以得到病斑的完整区域S3，通过式(4)即可从原始图像中获得完整的彩色病斑。有

最后采用数学形态学中的开闭运算清除分割过程中所产生的剩余杂点、毛刺等噪声信息。采用上述分割方法对烟草的赤星病病斑分割，如图1和图2所示。

3 病斑区域特征提取

3.1 提取颜色特征

不同的病害表现出不同的颜色特征，这为区别病害提高了重要依据。选择合适的颜色模型会直接影响到图像分割和目标识别的效果。为了消除亮度对病害图像的影响[7]，该研究选取HIS颜色模型中H,S,I 3个分量的平均值和方差作为颜色特征数据。各分量的均值与方差计算式为:

其中，A2为病斑区域面积，sumX表示病斑区域像素点X(X=H,S,I)分量的灰度总和。

3.2 提取纹理特征

纹理是指图像中反复出现的局部模式以及排列规则。作物叶片正常与病变部分的纹理在粗细、走向上有很大差别，用图像的灰度共生矩阵为基础，能很好的描述图像灰度关于方向、相邻间隔、变化幅度等综合信息[7]。在整幅图像中，统计出每一种(i,j)值出现的次数，再将他们归一化为出现的概率Pij，则称方阵Pij为灰度共生矩阵，可定义为

其中，i=f(x1,y1),j=f(x2,y2)且(x2,y2)=(x1,y1)+(dcosθ，dsinθ)。d，θ分别为像素对间距离和角度(方便计算θ一般取0°，45°，90°，135°)。

在相同条件下，基于HIS颜色模型纹理特征参数比基于RGB颜色模型的病害识别率高[6]。因此，本研究提取了基于HIS颜色模型的H,I,S分量灰度共生矩的能量、对比度、相关性、熵和同质性作为特征向量。为降低复杂度，本文把灰度矩阵的大小调为8×8，像素点之间的距离d=3，在统计参数时考虑其旋转不变性，取4个方向的平均值作为特征值。其特征参数的计算公式[8]如下:

1)能量。，该参数是图像灰度分布均匀性的度量。

2)对比度。，该参数是衡量纹理清晰程度。

4)熵。，该参数是图像具有信息量的度量。

5)同质性。，该参数是图像分布平滑性的测度。

3.3 提取形态特征

通常，不同的作物病害，在叶部图像上表现出不同形状病斑。本文将病斑转换为二值图像，用形态学的开、闭运算对病斑的毛刺、小洞等噪声进行消除，以得到理想图像。在Matlab环境中用bwlabel函数标注连通区域，用regionprops函数提取病斑区域的面积S、最小外接矩形Acr、外接圆的直径、重心等，由这些属性值衍生出矩形度、紧凑度、圆形度、伸长度和球状性5个特征参数。其相关计算公式为:

1)病斑的矩形度。Rt=S/Acr。

2)病斑的圆形度。Ct=4πS/L2,(L为病斑周长，只需统计出病斑边缘0或1的像素个数即可)。

3)病斑形状复杂性。St=L2/S。

4)病斑的紧凑度Ft=1-4πS/L2。

5)病斑球状性,rn为内切圆半径，rw为外接圆半径。

4 利用支持向量机识别病害图像

4.1 支持向量机的原理

SVM是基于统计学理论，采用结构风险最小化原理，同时兼顾了训练误差和泛化能力，它在解决小样本、非线性以及高维模式识别问题中表现出特有的优势。基本原理是:设样本集T={(xi,yi),i=1,2，…，n}。其中，xi∈Rd,yi∈{-1,1}[9,10,11,12]，为确保对所有样本均正确分类，要求满足式(6)

其中，ω为分类面权系数向量，求最大化分类间隔等价于满足式(6)的约束下，求式(7)的最小值，有

解决约束最小化问题引入Lagrange函数，有

将原问题变为对偶问题，有

其中，a为Lagrange乘子，若a*为最优解，则

其中，s为训练样本下标集合，b*为分类阈值，xs为支持向量。解上述问题得最优分类函数，有

对线性不可分问题，只需加一个松弛变量ξi，此时约束条件为

目标函数变为

其中，C为惩罚因子，控制着对错分样本惩罚度的作用。对非线性的解决是定义一个核函数k(xi,xj)，使其在高维空间线性可分，此时分类函数为

多项式核函数、径向基核函数和Sigmoid核函数等是目前常用的核函数。

4.2 基于双编码遗传算法的SVM分类器设计

本文在Matlab2009a环境下用Matlab语言编程实现分类器模型。其操作步骤如下:

1)本研究采用双编码遗传算法选择特征子集，以达到降维的功效，同时在得到最优特征子集的同时得到各个特征描述符的权重，底层采用支持向量机作为分类器，分类器精度作为遗传算法的适应度对个体进行评估，遗传算法的具体实现参看文献[6]。

2)SVM最基本的理论是针对二分类问题，在实际应用中需解决多类问题，本文采用一对一的投票策略实现烟草多种病害的识别。

3)为加快分类模型的收敛性以及泛化能力，本研究采用最大最小规格化方法将特征向量数据进行归一化处理。

4)SVM参数的寻优选择。本研究采用SVM中径向基核函数K(x,y)=exp(-γ‖x-y‖2)进行训练识别，需确定参数C和γ等值，选择采用了林智仁开发的grid.py工具进行交叉验证和网格搜索实现。

5)病害识别。通过对特征数据处理和特征参数选择之后，对样本进行训练和测试识别。

5 实验结果与分析

本文以烟草生长中常见也最容易混淆的野火病、炭疽病、赤星病、蛙眼病、灰斑病5种主要病害为例[13]，利用数码相机和高清数码摄像头在田间自然光照下直接采集了5种经专家鉴定的病害图像500幅;选择效果较好的子图375幅，其中每种病害45幅，共225幅做分类训练，每种病害30幅，共150幅做测试;具体提取了色调、纹理及形态特征，共26个特征值。通过双编码遗传算法选择后，得到16个特征向量，分别是颜色A={—H,—S,DH,DS}，基于H,I的纹理B={能量、惯性矩、熵、局部平稳性}，形态C={矩形度、圆度、伸长度、紧凑度}，对应的权重分别为:0.825,0.431,0.774,0.252,0.631,0.168,0.280,0.564,0.198,0.202,0.147,0.471,0.612,0.432,0.271,0.741。表1是几种算法的对照。从表1可以看出:采用遗传特征选择技术，去除了原始特征集中的冗余特征，并获得权重，比没有采用遗传特征选择在特征向量只有原来的62%以下，而精度却提高了6.29%;相同条件下采用支持向量机识别的精度比采用PB神经网络的高出8.18%。

6 结束语

为了实现计算机对作物病害的识别，提出了一种图像多特征参数和基于双编码遗传优化特征的支持向量机分类识别病害的方法。通过病害图像增强处理，基于HIS颜色空间的H分量与大津法(Otsu)结合自动分割彩色图像病斑、自动提取病斑的典型特征、构建基于双编码遗传优化特征的支持向量机分类器模型。最后，以烟草病害为例，运用文中提出的方法分割病斑、提取其特征向量、构建分类器模型，进行训练及测试。实验结果表明，本文方法比其他识别方法具有更高的识别率。