文献类型： 中文期刊

作者： 蒋小敏 ¹ ; 冯海宽 ² ; 常红 ² ; 杨贵军 ² ; 杨小冬 ² ;

作者机构： 1.安徽理工大学空间信息与测绘工程学院

2.农业农村部农业遥感机理与定量遥感重点实验室/国家农业信息化工程技术研究中心

关键词： 数码图像;小麦条锈病;病害程度;分级;K-means;最大类间方差法

期刊名称： 江苏农业科学

ISSN： 1002-1302

年卷期： 2021 年 023 期

页码： 109-115

收录情况： 北大核心

摘要： 小麦条锈病发病广、发病率高,严重影响农业生产,造成小麦产量重大损失。病叶严重度是获取小麦条锈病病害信息的主要参数。为更好、更便捷地获取小麦条锈病病害信息实现对小麦条锈病单叶病害严重度分级,讨论一种利用数码图像对小麦条锈病进行分级的方法。首先从拍摄的数码图像中选取发病严重度为1%、5%、10%、20%、40%、60%、80%、100%的小麦叶片（以植保专家目测为标准）,对应设置为1、2、3、4、5、6、7、8级,每个级别各30张叶片,共计240张,从每个类别中选取10张做数据分析,20张作验证。利用K-means聚类法、形态学变换等操作将小麦叶片与背景分割开,然后对采集的RGB图像通道分离获取R、G、B分量图进行G、R分量加运算,在小麦叶片染病前期,小麦条锈病严重度为1～4级,G+R图像就能较好地区分出病斑区域与健康区域,随着病害程度加深黄化严重,G+R图像不能很好地区分出病斑区域,通过改变R分量图的权重,对5、6、7、8级40个样本进行数据分析,发现G+1.7R时表现出的拟合性和精度最好,采用最大类间方差法（Otsu）对G+R、G+1.7R图像进行分割,将病斑从小麦叶片中提取出来;最后根据染病面积占叶片总面积的百分比对小麦条锈病病害程度进行分级。160个不同病害等级的小麦叶片验证样本中,24个样本被错误分级,136个样本被正确分级,发病程度较轻的1～4级分级正确率为92.5%,发病程度较重的5～8级分级正确率为77.5%,总体分级正确率为85.0%。基于数码图像对小麦条锈病病害程度分级识别方法操作灵活、方便,相对于传统田间目测分级提高了分级正确率,为识别小麦条锈病叶片病害程度提供了一种操作快速简单、成本低且方便普及的新方法。