|本期目录/Table of Contents|

[1]刘祖鹏.基于优化PCNN模型的黄瓜叶片病斑提取方法[J].江苏农业科学,2018,46(18):216-221.
　Liu Zupeng.A cucumber leaf lesion extraction method based on optimized PCNN mode[J].Jiangsu Agricultural Sciences,2018,46(18):216-221.
点击复制

基于优化PCNN模型的黄瓜叶片病斑提取方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年第18期
页码:
216-221
栏目:
农业工程与信息技术
出版日期:
2018-09-20

文章信息/Info

Title:
A cucumber leaf lesion extraction method based on optimized PCNN mode
作者:
刘祖鹏
河南工学院电子通信工程系，河南新乡 453000
Author(s):
Liu Zupeng
关键词:
智能化农业; 计算机视觉; 黄瓜病斑叶片; 病斑提取; 脉冲耦合神经网络模型
Keywords:
-
分类号:
TP391
DOI:
-
文献标志码:
A
摘要:
黄瓜叶部病斑的精确提取是计算机视觉技术在黄瓜病害识别系统中应用的关键。由于黄瓜叶部病斑形态小、光照不均匀、背景复杂等特性，导致现有的病斑提取方法精度较差。针对这一问题，提出一种基于优化脉冲耦合神经网络(pulse coupled neural network，简称PCNN)模型的黄瓜叶片病斑精确提取方法。首先，对采集的病斑叶片进行Lab颜色空间变换，通过对颜色分量的平均值和高斯滤波结果进行差值计算，获取病斑叶片的频率调谐视觉显著性图；接着，对病斑图像进行HSI颜色空间变换，提取色调(hue，简称H)分量，进行色调的均衡优化，并通过融合优化后的H参量来增强病斑叶片的频率调谐视觉显著性图；最后，对传统PCNN模型进行简化，构建网络参量的自适应更新规则，并将融合后的显著性图作为模型的输入参量进行病斑的分割和形态学处理，获取病斑的提取结果。结果显示，本研究方法能够实现在光照度改变、背景干扰等不同复杂环境下对黄瓜常见病斑图像进行精确提取，试验结果为后续的病害精确识别奠定了较好的基础。
Abstract:
-

参考文献/References:

[1]吴海华，方宪法，杨炳南. 国内外农业装备技术发展趋势及进展［J］. 农业工程，2013，3(6)：20-23.
[2]李文勇，李明，陈梅香，等. 基于机器视觉的作物多姿态害虫特征提取与分类方法［J］. 农业工程学报，2014，30(14)：154-162.
[3]陈梅香，杨信延，石宝才，等. 害虫自动识别与计数技术研究进展与展望［J］. 环境昆虫学报，2015，37(1)：176-183.
[4]Belongie S，Malik J，Puzicha J. Shape matching and object recognition using shape contexts［J］. Pattern Analysis and Machine Intelligence，2002，24(4)：509-522.
[5]史庆才，李向阳，陈志伟，等. 茶园假眼小绿叶蝉的防控技术研究进展［J］. 农学学报，2015，5(1)：20-24.
[6]张红涛，毛罕平，邱道尹. 储粮害虫图像识别中的特征提取［J］. 农业工程学报，2009，25(2)：126-130.
[7]Camargo A，Smith J S. An image-processing based algorithm to automatically identify plant disease visual symptoms［J］. Biosystems Engineering，2009，102(1)：9-21.
[8]温长吉，王生生，于合龙，等. 基于改进蜂群算法优化神经网络的玉米病害图像分割［J］. 农业工程学报，2013，29(13)：142-149.
[9]关海鸥，许少华，谭峰. 基于T-S模型的模糊神经网络在植物病害图像分割中的应用［J］. 中国农业大学学报，2011，16(3)：145-149.
[10]Oberti R，Marchi M，Tirelli P，et al. Automatic detection of powdery mildew on grapevine leaves by image analusis：optimal view angle range to increase the sensitivity［J］. Computers and Electronics in Agriculture，2014，104：1-8.
［11］朱林，赵健，冯全，等. 基于LBP滤波和ACWE的葡萄病害图像分割方法［J］. 中国农机化学报，2014，35(6)：99-104.
［12］田杰，韩冬，胡秋霞，等. 基于PCA和高斯混合模型的小麦病害彩色图像分割［J］. 农业机械学报，2014，45(7)：267-271.
［13］杨国国，鲍一丹，刘子毅. 基于图像显著性分析与卷积神经网络的茶园害虫定位与识别［J］. 农业工程学报，2017，33(6)：156-162.
［14］Otsu N. A threshold selection method from gray-level histogram［J］. IEEE Transactions on Systems，Man，and Cybernetics，1979，9(1)：62-66.
［15］张芳，王璐，付立思，等. 复杂背景下黄瓜病害叶片的分割方法研究［J］. 浙江农业学报，2014，26(5)：1346-1355.
［16］韩青松. 基于Otsu算法的遥感图像阈值分割［D］. 乌鲁木齐：新疆大学，2011.
［17］张善文，张云龙，尚怡君. 一种基于Otsu算法的植物病害叶片图像分割方法［J］. 江苏农业科学，2014，42(4)：337-339.
［18］彭红星，邹湘军，陈丽娟，等. 基于双次Otsu算法的野外荔枝多类色彩目标快速识别［J］. 农业机械学报，2014，45(4)：61-68.
［19］龚立维. 基于Com VI和双阈值OTSU算法的农作物图像识别［J］. 排灌机械工程学报，2014，32(4)：363-368.
［20］Bai X D，Cao Z G，Wang Y，et al. Crop segmentation from images by morphology modeling in the CIE L*a*b color space［J］. Computers and Electronics in Agriculture，2013，99(7)：21-34.
［21］杨立军，封生霞，张雪霞. 黄瓜靶斑病的发生规律及综合防治措施［J］. 现代农业科技，2012(22)：136.
［22］韩小爽，高苇，傅俊范，等. 黄瓜棒孢叶斑病的诊断与防治［J］. 中国蔬菜，2011(9)：20-21.
［23］吴娜，李淼，陈晟，等. 基于融合多特征图切割的作物病害图像自动分割［J］. 农业工程学报，2014，30(17)：212-219.
［24］Cheng M M，Mitra N J，Huang X，et al. Global contrast based salient region detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(3)：569-582.

相似文献/References:

[1]朱家骥,朱伟兴.基于星状骨架模型的猪步态分析[J].江苏农业科学,2015,43(12):453.
　Zhu Jiaji,et al.Analysis of pigs gaits based on star shaped frame model[J].Jiangsu Agricultural Sciences,2015,43(18):453.
[2]陈桂珍,龚声蓉.计算机视觉及模式识别技术在农业生产领域的应用[J].江苏农业科学,2015,43(08):409.
　Chen Guizhen,et al.Application of computer vision and pattern recognition in agricultural production field[J].Jiangsu Agricultural Sciences,2015,43(18):409.
[3]劳东青,陈立平,邬欢欢,等.基于计算机视觉的枣叶含水率估算模型[J].江苏农业科学,2015,43(04):384.
　Lao Dongqing,et al.Study on jujube leaf water content estimation model based on computer vision[J].Jiangsu Agricultural Sciences,2015,43(18):384.
[4]王爱新,李春友,张喆.基于计算机视觉的农业图像害虫定位检测算法[J].江苏农业科学,2016,44(07):361.
　Wang Aixin,et al.Agricultural image pest location detection algorithm based on computer vision[J].Jiangsu Agricultural Sciences,2016,44(18):361.
[5]祁卫宇,王传宇,郭新宇.基于计算机视觉的植物行为感知研究综述[J].江苏农业科学,2017,45(06):20.
　Qi Weiyu,et al.Study on plant behavior perception based on computer vision： a review[J].Jiangsu Agricultural Sciences,2017,45(18):20.
[6]邢志中,张海东,王孟,等.基于计算机视觉和神经网络的鸡蛋新鲜度检测[J].江苏农业科学,2017,45(11):160.
　Xing Zhizhong,et al.Detection of egg freshness based on computer vision detection and neural network[J].Jiangsu Agricultural Sciences,2017,45(18):160.
[7]陈彩文,杜永贵,周超,等.基于支持向量机的鱼群摄食行为识别技术[J].江苏农业科学,2018,46(07):226.
　Chen Caiwen,et al.Study on fish feeding behavior recognition technology based on support vector machine[J].Jiangsu Agricultural Sciences,2018,46(18):226.
[8]童阳,艾施荣,吴瑞梅,等.茶叶外形感官品质的计算机视觉分级研究[J].江苏农业科学,2019,47(05):170.
　Tong Yang,et al.Sensory evaluation of tea appearance using computer vision classification[J].Jiangsu Agricultural Sciences,2019,47(18):170.
[9]张重阳,陈明.基于计算机视觉的鱼类摄食行为研究现状及展望[J].江苏农业科学,2020,48(24):31.
　Zhang Chongyang,et al.Research status and outlook of fish feeding behavior based on computer vision[J].Jiangsu Agricultural Sciences,2020,48(18):31.
[10]胡玲艳,许巍,秦山,等.基于分时重叠算法的欧洲甜樱桃表型关键特征区域图像分割方法[J].江苏农业科学,2023,51(1):195.
　Hu Lingyan??et al.Image segmentation of key feature regions of European sweet cherry phenotype based on time-sharing overlap algorithm[J].Jiangsu Agricultural Sciences,2023,51(18):195.

备注/Memo

备注/Memo:
收稿日期：2018-01-06
基金项目：河南省高等学校重点科研项目(编号：14A510025)。
作者简介：刘祖鹏(1980—)，男，河南新乡人，硕士，讲师，研究方向为图像处理。E-mail：chenxuefeng2046@163.com。
更新日期/Last Update: 2018-09-20