万福健　周　辉　武娟娟　李亦哲　肖茂华

基于MATLAB的水稻叶瘟病病害分级的方法

万福健周辉武娟娟李亦哲肖茂华

（南京农业大学工学院江苏南京210031）

为了减少水稻叶瘟病对水稻的生长状况的影响而引起大幅减产，文章提出了一种根据叶瘟病不同受害等级对应不同喷洒农药剂量及种类的方法。对获取到的图像进行颜色空间变换、灰度化、二值化、形态学处理等操作，提取病斑图像的面积和检测叶片面积，进而根据国家规定的水稻病害等级划分来衡量所检测的水稻叶片的叶瘟病程度。

叶瘟病；分级；图像处理

1 引言

叶瘟病是水稻重要病害之一，可引起大幅度减产，严重时减产40～50 %，甚至颗粒无收。生产上稻瘟病的防治主要是通过喷洒农药来实现[1]，而农药的喷洒往往没有一个合适的标准去控制，且病害等级不同喷洒农药剂量跟类型也不尽相同。根据图像识别病害等级合理选择农药喷洒剂量跟类型，极大的减少了人力物力成本，减轻环节污染。已有的研究包括农作物的玉米病害[2～3]、小麦病害[4]等

2 实验材料获取

我们于2019年8月，在南京市稻田中采取患有水稻叶瘟病的完整水稻叶片。将叶片置于平整的A4卡纸之上，智能手机固定在三角架上，手机摄像头位置正对地面叶片部位。获取有效图片50 张。图像处理软件采用美国Mathworks公司推出的MATLAB2018 a。处理设备为PC机，基本配置CPU为i5、8G内存、256 G硬盘。

3 图像预处理

3.1 颜色空间转换

我们所获取到的图片是32 位真彩色图片，这就造成图片的存储传输等过程的数据量较为庞大，处理相对麻烦。而YCbCr是通过三元拉组成。Cb和Cr分别表示颜色的蓝色浓度偏移量和红色浓度偏移量。而Cb和Cr的微小偏差对于人体而言是几乎感觉不到的，所以我们可以使用YCbCr进行子采样来达到压缩图像数据量的目的。

首先将事先处理好的RGB图像转化到YCbCr空间中,算法样式为:

由（1）式，效果见图2

图2　YCBCR颜色空间图片

3.2 图像二值化

转化到YCBCR颜色空间后，由于叶瘟病发病特征之一就是内部为白灰色圆形或椭圆形斑点，外缘为灰褐色圆环。在此空间中我们可以较为清楚的辨别外缘灰褐色圆环区域。通过手动阈值分割确定Y元、Cb元和Cr元三个通道的阈值，其后进行二值化。效果见图3。

图3　二值化图像

3.3 形态学处理

我们可以看到，得到的二值化图像中心部位并未检测到，且部分圆环处有缺损，并不能作为最终所需的病斑面积计算数据。因此需要进行开运算(先腐蚀后膨胀)，腐蚀膨胀可以有效消除噪声，在纤细点处分离物体平滑较大物体边界的同时并不明显改变其面积。最后调用MATLAB中的imfill函数进行空洞填充。最终病斑二值化图见图4。

图4　形态学处理

4 病斑面积提取

二值图像中目标的面积A就是目标所占像素点的数目，即区域的边界内包含的像素点数。目标物A的面积公式如下：

（m、n分别图像行数、列数；f(x,y)为图像第x行，第y列像素值）

计算出单个叶片最大病斑面积和所有病斑面积之和。根据计算出的病斑面积与叶片面积比值确定叶瘟病病害等级。

5 水稻稻瘟病抗性评价标准

表1　水稻叶瘟病病害级别及抗性评价标准

得到病害分级标准后，我们可以根据预先设计的算法和获取到的叶片数据进行实验。算法流程图见图5。

图5　算法流程图

为了验证利用上述计算方法及等级分级标准实验的准确性，另外二种方法同时进行：一种是人工目测另外一种是对采集到的图像利用Photoshop软件进行人工分割病斑，计算病斑面积，然后根据标准进行定级[5]。实验样本数为30 个。实验结果见表2。

表2　三种方法对不同叶片分级结果

可以看出，本实验方法与Photoshop分级结果准确率在80 %以上，可以代替人眼目测分级的方法，尤其在病害等级相近时，人工目测分级准确率会更差。

6 小结

为了解决在给水稻叶瘟病喷洒农药时的定量定类问题，减轻环境污染。我们通过获取稻田病害叶片图像，在对图片进行剪裁、压缩、图像处理后，根据叶瘟病病害等级分级标准建立叶瘟病分级标准算法。通过人工目测和Photoshop计算分级方法验验证本实验方法的可靠性较高，平均正确分级率在83.3 %。

[1]殷春渊,刘贺梅,王书玉,等.一种苗期鉴定水稻稻瘟病的技术和方法[J].安徽农业科学,2019,47(20),138-141+168.

[2]葛婧,邵陆寿,丁克坚,等.玉米小斑病病害程度图像检测[J].农业机械学报,2008,39(1):114-117.

[3]赵玉霞,王克如,白中英,等.基于图像识别的玉米叶部病害诊断研究[J].中国农业科学,2007,40(4):698-703.

[4]MoshouD,BravoC,WestJ,etal.Automaticdetectionof“yellowrust”inwheatusingreflectancemeasurementsandneuralnetworks[J].Comp & ElectronAgric,2004,44:173188.

[5]管泽鑫,唐健,杨保军,等.基于图像的水稻病害识别方法研究[J].中国水稻科学(ChinJRiceSci),2010,24(5):497-502.

南京农业大学SRT项目，NO：201910307199P。

S123

C

2095-1205(2019)09-39-02

10.3969/j.issn.2095-1205.2019.09.21