陈 荣，李 旺，周文玉

(1铜仁学院 大数据学院，贵州 铜仁 554300；2铜仁市为拓网络技术有限公司，贵州 铜仁 554300)

0 引言

茶叶作为茶农的重要经济支柱，在当前精准扶贫形势下是茶农脱贫的重要产业[1]。 消费者更加注重茶叶的品质，“绿色、生态、有机”茶叶成为茶叶市场的新宠儿[2]。然而，因为不能有效地诊断茶叶病害而滥用农药、化肥，严重地影响了茶叶的品质，损失了茶叶市场。因此，对茶叶病害进行正确的诊断对提高茶叶的竞争力极具重要意义。目前，茶叶的诊断主要靠茶农的经验和植物保护专家的病理知识进行主观、模糊的判断[3]，缺乏客观的评估，即便有经验的专家在诊断茶叶病害时也常常出现错误。不同的茶叶病害由于致病的机理不同而使得茶叶病斑具有不同的纹理，因此可以利用提取茶叶病害的纹理特征和支持向量机技术来识别茶叶病害，提高茶叶病害诊断的科学性，促进数字农业的发展。

1 茶叶病害识别模型

1.1 基于灰度共生矩阵的纹理特征构造与提取

特征提取是茶叶病害图像识别的前提，只有正确地提取出病害的特征才能进行正确的识别。不同的茶叶病害有不同的纹理，灰度共生矩阵是分析纹理特征常用的二阶统计方法，描述了灰度空间的相关性，能够反映出纹理结构的变换[4]，是一种区分能力较强的特征。

灰度共生矩阵Pd表示灰度为i和j的两个像素具有某种空间关系d的情况出现的次数[5]。常用的位置关系有0°、45°、90°、135°，也就是说不同的位置关系可以确定不同的灰度共生矩阵[6]，进而不同的病害有不同的纹理特征。……