陳釗 王子輝 趙玉清 高彥玉 時玲

摘要：利用卷積濾波對原始圖像進行顯示輪廓以及銳化處理，引入了HSV模型進行顏色提取，通過二值化再次濾波完成了茶輪斑病斑區(qū)的提取，實現(xiàn)茶葉的茶輪斑病的快速診斷。結(jié)果表明，采用卷積濾波與HSV模型等圖像處理技術(shù)能夠較好地識別茶輪斑病的病斑區(qū)，對于圖像清晰、面積大的病斑區(qū)識別比較精確。利用Python語言的嵌入性，為進一步實現(xiàn)茶葉茶輪斑病的精準(zhǔn)噴霧系統(tǒng)打下了基礎(chǔ)。

關(guān)鍵詞：卷積濾波；圖像處理技術(shù)；圖像濾波；茶葉病檢測；識別

中圖分類號：S126 文獻標(biāo)識碼：A 文章編號：0439-8114（2018）11-0107-04

DOI：10.14088/j.cnki.issn0439-8114.2018.11.027

Abstract： The original image is depicted and sharpen by convolution filtering， and then put it in HSV model to obtain the image color extraction. In order to get the target area of the tea wheel spot，it is also used the image binaryzation to complete the refiltering.Finally，that is a picture rapid diagnosis of tea leaf spot disease. The results showed that the image recognition of tea leaf spot in leaves of tea leaves was finished. By using convolution filtering and HSV model image processing technology can be better identified the round spot of tea lesion area， especially the clear image，size of lesion area. Taking advantage of the embeddedness of Python language，it lays the foundation for the accurate spray system of tea tea wheel spot disease.

Key words： convolution filter；image processing technology；image filtering；tea disease detection；identification

茶樹在中國是一種重要的經(jīng)濟類作物，種植面積多達3 529.0萬hm2，達到了世界茶園面積的50%以上，遍及18個省。在茶樹生長過程中，各個部分均易受到病蟲的為害[1，2]。據(jù)統(tǒng)計，已知的茶樹病蟲害有100多種，其中有30多種比較常見。病蟲害種類多、較嚴(yán)重的發(fā)生在茶芽與茶葉部位，直接造成的茶葉產(chǎn)量損失大概為總產(chǎn)量的15%～20%，局部地區(qū)或者個別年份損失比例更大。對于病蟲害的防治，茶農(nóng)一般選擇化學(xué)農(nóng)藥。不僅是因為與無公害和綠色農(nóng)藥相比，化學(xué)農(nóng)藥價格低廉，還因為化學(xué)農(nóng)藥操作簡單、見效快、效果可靠?；瘜W(xué)農(nóng)藥的使用對于茶葉的高產(chǎn)、優(yōu)產(chǎn)具有重要促進作用，但同時也會帶來環(huán)境污染、農(nóng)藥殘留等不利因素[3]。農(nóng)藥的低效率與濫用也導(dǎo)致中國茶葉農(nóng)藥殘留量超標(biāo)[4]。在眾多茶葉病蟲害中，茶輪斑病是茶園中比較常見的葉部病害，時有發(fā)生。茶輪斑病主要發(fā)生在成葉與老葉，較嚴(yán)重時，會造成茶葉大量脫落，給茶農(nóng)造成嚴(yán)重經(jīng)濟損失[5-7]。

在現(xiàn)代，隨著人們的綠色消費意識和食品安全意識的不斷增強，茶葉的質(zhì)量安全問題也受到廣泛的關(guān)注，尤其對茶葉農(nóng)藥殘留的問題最為關(guān)心[8]。與此同時，茶葉產(chǎn)業(yè)作為中國的優(yōu)勢特色產(chǎn)業(yè)，減少茶葉的化學(xué)農(nóng)藥使用量對提升中國茶葉產(chǎn)業(yè)的生產(chǎn)水平，提高茶葉產(chǎn)品的世界知名力與競爭力，都具有十分重要的戰(zhàn)略意義[9，10]。

目前，國內(nèi)外關(guān)于茶葉病蟲害識別的研究大致分為兩個方面，主要集中在計算機視覺的圖像表達與機器學(xué)習(xí)環(huán)境搭建。機器學(xué)習(xí)主要有SVM（支持向量機-Support vector machine）、幾何不變量、子空間法等。基于計算機視覺的有SIFT（尺寸不變距）、HOG（方向梯度直方圖）等局部特征提取[11-17]。針對茶葉病蟲識別的特殊性和困難性，以及目前病蟲害圖像識別依賴于研究人員的主觀特征設(shè)計的局限性，本研究采用計算機視覺方法，運行環(huán)境的上位機PC采用Intel core（處理器i5-3210，主頻2.5 GHz，4G內(nèi)存）。軟件采用Anaconda python27，在運行環(huán)境中裝配了matplotlib、numpy、python27、scipy、opencv-python2.4.13.2等核心模塊。該設(shè)計核心理念是采用低成本、運行簡單快速的方法，避免了機器深度學(xué)習(xí)需求樣本太大、GPU價格昂貴等問題，具體采用的是基于多層卷積濾波與HSV顏色提取對復(fù)雜背景下的茶輪病識別及定位，通過卷積濾波的4×4核函數(shù)架構(gòu)對茶葉的病斑區(qū)與正常區(qū)進行區(qū)分，通過HSV模型對病斑區(qū)進行提取，再通過二值化深層次濾波手段，消除非病斑區(qū)，避免了人的主觀因素影響分類的結(jié)果，并且檢測的實時性能夠滿足后期精準(zhǔn)噴藥系統(tǒng)的要求，以期為這方面應(yīng)用提供參考。

1 材料與方法

1.1 原圖像的獲取

根據(jù)茶輪斑病的主要癥狀：發(fā)生于當(dāng)年生成的成葉或者老葉。病害常從葉尖開始，逐漸向其他部位擴展。發(fā)病初期病斑黃褐色，逐漸變成褐色，最后形成灰白色相間的半圓形、圓形或不規(guī)則的病斑[18]。病斑上常呈現(xiàn)有明顯的同心輪斑，邊緣有一褐色的暈圈，病健分界明顯。病斑正面輪生或散生有許多黑色小粒點[3]。本設(shè)計采用的是實驗室條件下獲取的擴展為圓形至橢圓形或不規(guī)則褐色大病斑的成葉（圖1）。