全 文 ：植 物 保 护
探究基于图像处理技术的黄瓜叶部病害识别诊断系统
摘要： 本文重点探讨基于图像处理技术的黄瓜
叶部病害识别诊断系统， 经过实践证明， 该系统能
够更为准确、 快速识别黄瓜叶部病害， 值得在农业
生产中广泛推广。
关键词： 图像处理； 黄瓜叶部； 病害识别
黄瓜是园艺作物中种植较为广泛的品种，但因
叶部病害多发，制约着黄瓜生产总量的提升。因
此，本文借助先进图像处理技术，以 Mat-Lab2008
为开发工具，开发黄瓜叶部病害识别系统，具体如
下所示。
1 研究方式
1.1 采集研究对象。在某农场采集 10种以上的多
发黄瓜病害作为研究对象，包括细菌性角斑病、霜
霉病等，同时采集不同程度的发病黄瓜病害图片。
1.2 硬件、软件系统条件。识别与诊断黄瓜叶部
病害时，需要有良好的软硬件条件支持，本系统配
备完善的硬件系统，并引入先进开发软件 —
MatLab。
2 黄瓜叶部病害识别诊断系统的功能
黄瓜叶部病害识别诊断系统共包括读取图像、
图像预处理、图像分割、病斑特征提取、病害识
别、诊断结果等模块，其中病斑特征提取包括颜
色、形状和纹理三方面内容。
2.1 预处理图像。预处理图像功能是识别黄瓜叶
部病害的基础，在采集病害图片时，大多处于较为
复杂的环境下，同时采集图片的过程易受到采集设
备、时间、天气等多种因素的影响，导致部分图像
出现噪声的问题。因此，工作人员必须对图片进行
合理的预处理，确保黄瓜病斑提取的真实性。即预
处理图像功能主要面对复杂背景下收集的病害图
像，分离叶片病斑时，通常借助数学形态学、
superpixel算法，再通过中值滤波方式削弱图像存
在的噪声，利用非线性变换方式增强叶部整体图
像，使黄瓜病斑变得更加清晰。
2.2 分割图像。分割图像功能主要为提取黄瓜叶
部病斑，通常使用的方法有分水岭计算方式、阈值
分割算法，可有效分析叶片、病斑，进而降低提取
形状等特征的难度。
2.3 提取图像典型特征。提取图像典型特征，主
要包括颜色特征、形状特征与纹理特征三方面，提
取完特征后，再根据叶片实际情况进行优化整合，
最后将其存储在文本文件中，为识别、诊断病害提
供基础。
2.4 识别黄瓜叶部病害。识别黄瓜叶部病害可使
用向量机分类计算方式、BP 神经网络计算方式，
对存储在文本文件中的图像特征进行分析，建立对应
的模型，按照一定的原则，对样本进行分类、识别。
同时系统在识别、诊断环节后，应借助系统维护模块，
实时增加与更新黄瓜叶部病害诊断数据库信息。
3 黄瓜叶部病害识别诊断系统关键部分
3.1 分割复杂图像。分割病害图像是识别、诊断
病害的前提条件，分割图像的质量直接关系着病害
识别的有效性，本系统主要分割复杂环境下收集的
图像。首先，分割背景图片与黄瓜叶片，去除杂
质、土壤等其他物体，只留下病害的叶片区域，并
借用 superpixel算法分割目标叶片、重叠叶片，约
分成 100 个区域，确保色素值位于邻近区间；其
次，提取病斑区域的形状、颜色与纹理特征，使用
阈值分割法，其算法为：假设黄瓜病害图像区域为
M类子区域，阈值 Kq共取 M-1个，q = 1、2、3、
4……M-1，当 k(q-1)
3.2 识别病害方式。识别病害的方式逐渐增多，
具体包括模糊集识别方式、统计识别方式、人工神
经网络识别方式等，但需要注意的是，对于某种黄
瓜病害而言，一般没有过多的样本，进而影响到识别
与诊断的真实性与可靠性，随着科学技术的发展，支
持向量机(SVM)识别方式出现，极大程度上弥补了这
一问题，其以最小结构风险为原理，突出泛化、误差
等能力，具备识非线性、小样本等多种优势。
参考文献
[1] 回音， 吕杰.计算机在急性中毒专家咨询及诊断
系统中的应用 [J] . 中华医学信息导报， 1997
(15)： 14， 8.
[2] 江天法， 杨万利. 数据诊断系统 [J] . 华东森林
经理， 1991 (02)： 40 ~ 43.
[3] 郭田生， 李小玲， 骆晓林.心理疾病专家诊断系
统的研发——系统软件的研发 [J] . 国际精神
病学杂志， 2013 (02)： 113 ~ 115.
[4] 张学农， 陈蔼祥， 张立成.含故障模式的诊断系
统设计 [ J] . 计算机科学 ， 2013 (07)： 229 ~
231， 243.
[5] 杜玉祥， 马晓燕， 赵继超.数学差生诊断系统研
究中的数学方法 [J] . 系统工程理论与实践，
1998 (09)： 131 ~135.
066000 河北科技师范学院 郝云飞
26· ·