曹曉麗 齊國紅 井榮枝

Abstract： Focused on the problem of the low segmentation accuracy， a disease segmentation method is proposed based on improved FCM（Fuzzy C Means）. The local spatial information and gray level information of the pixels of the image are considered， and more accurate local spatial information is calculated，which could reduce noise， better preserve the details of the image， thereby make the image segmentation effect more accurate. By Choosing the cucumber disease leaves to verify the algorithm of this paper， and compared with other segmentation methods， the experimental results show that the proposed method is effective and its segmentation accuracy rate is 97.81%.

引言

中國是一個農(nóng)業(yè)大國，農(nóng)作物的產(chǎn)量直接影響國民經(jīng)濟發(fā)展和人們生活的高追求實現(xiàn)。近年來，由于生態(tài)環(huán)境的問題突顯，作物自身對環(huán)境的耐受能力也在變差，導(dǎo)致作物病害日益惡化，病害種類也在持續(xù)增多，直接影響著作物產(chǎn)量、質(zhì)量和口味[1-3]。之前，作物病害的檢測和識別大多依賴于經(jīng)驗豐富的農(nóng)耕人員和實驗室病理學(xué)分析的研究人員。其中，借助于農(nóng)耕人員存在個人主觀性強的缺點，借助于研究人員雖然準確度好、但是花費較高[4]。國內(nèi)大部分從事農(nóng)業(yè)耕作的一線人員并非是植保專家，缺乏對病害誘因病理學(xué)專業(yè)分析的深厚學(xué)識，無法根據(jù)早期癥狀對病害做出判斷甄別。一旦發(fā)現(xiàn)了作物病害，為了干預(yù)病情蔓延，無差別、大劑量地使用農(nóng)藥，一方面，延誤了預(yù)防的最佳時期，另一方面，農(nóng)藥的過度使用也將降低作物果實的出產(chǎn)品質(zhì)。從長遠發(fā)展來看，既對資源造成浪費，又破壞了生態(tài)可持續(xù)發(fā)展。

由于作物病害種類繁多，不同病害表現(xiàn)出來的特點千差萬別[5]，而且常常以不同的特征分屬多種類別，因而就對圖像分割的結(jié)果精度造成不利影響。將模糊聚類的思想運用到像素點分類中，可以有效解決像素點不確定歸屬問題。此時，根據(jù)模糊聚類的思想可以將圖像中的像素點根據(jù)隸屬度函數(shù)進行類別確定，屬于無監(jiān)督的分類。模糊C-均值聚類（FCM）根據(jù)作物病害圖像中背景和病斑像素點的屬性不同給出類別劃分，首先確定類別數(shù)c，計算圖像像素點和聚類中心的加權(quán)相似度，根據(jù)目標函數(shù)，對目標函數(shù)進行迭代化最小計算，確定像素點屬于病斑和背景的最佳分割度。毛罕平等[6]結(jié)合模糊C-均值聚類（FCM），提出了自適應(yīng)分割算法，將其運用到棉花病害中，得到了良好的病斑圖像。馬旭等[7]研究了無監(jiān)督的模糊C均值方法，仿真驗證后的結(jié)果顯示有效提高了分割準確率。但是，前述研究中的FCM進行圖像分割時，沒有考慮像素空間信息的問題，基于此，本文研發(fā)提出了一種基于改進FCM的作物病害圖像分割算法。研究內(nèi)容論述如下。

從圖2的分割結(jié)果和表1的分類正確率可以看出，本文算法分割出來的病斑更為完整，分割正確率為0.978 1，與其它2種算法相比較，分割準確度更好，正確率更高。

3結(jié)束語

在研究現(xiàn)有作物病害圖像分割的基礎(chǔ)上，提出改進FCM用于作物病斑圖像分割，實驗結(jié)果表明，該方法能夠較為準確地將病斑分割出來。與學(xué)界經(jīng)典的雙閾值、改進前的FCM分割結(jié)果進行對比可知，本文提出的改進FCM算法能夠避免正常綠色區(qū)域、及病害葉片的輪廓均被誤判為病斑部分的問題弊端，為后續(xù)病斑的識別提供了技術(shù)基礎(chǔ)。基于計算機視覺技術(shù)在圖像處理方面所表現(xiàn)出來的長足優(yōu)勢，將作物病害的分割和識別帶入了物聯(lián)網(wǎng)時代，加速了現(xiàn)代化農(nóng)業(yè)發(fā)展的新進程。尤其是作物的遠程檢測，不但可以隨時了解作物的生產(chǎn)狀況，又節(jié)省了人員的時間和精力，經(jīng)濟效益非?？捎^。所以開展關(guān)于如何將病害圖像從作物病害葉片中準確分割出來的研究，及時進行病害防治，對于作物產(chǎn)量的提高具有十分重要的意義。

參考文獻

[1] 穆亞梅，馬國俊. 基于物聯(lián)網(wǎng)的蘋果樹病蟲防治專家系統(tǒng)的設(shè)計與應(yīng)用[J]. 自動化與儀器儀表， 2012，10（5）：89-90.

[2] 王文山，柳平增，臧官勝，等. 基于物聯(lián)網(wǎng)的果園環(huán)境信息監(jiān)測系統(tǒng)的設(shè)計[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2012，43（2）：239-243.

[3] DUNN J C. Well-separated clusters and the optimal fuzzy partitions[J]. Journal of Cybernettics，1974，4（1）：95-104.

[4] BEZDEK J C. Pattern recognition with fuzzy objectve function Bezdek J C. Pattern recognition with fuzzy objective function algorithms[M]. Norwell， MA， USA：Kluwer Academic Publishers，1981.

[5] CHENG H D， JIANG H X， SUN Y， et al. Color image segmentation： Advances & prospects[J]. Pattern Recognition， 2001，34（12）：2259-2281.

[6] 毛罕平，張艷誠， 胡波. 基于模糊C均值聚類的作物病害葉片圖像分割方法研究[J]. 農(nóng)業(yè)工程學(xué)報，2008，24（9）：136-140.

[7] 馬旭，齊龍，張小超. 基于模糊聚類的玉米大斑病害圖像的分割技術(shù)[J]. 農(nóng)機化研究，2008（12）：24-26.