基于ExG因子的水稻病斑分割技术

作     者：朱盼盼 张正华 郭丽瑞 闫雪纯 张珂元 ZHU Panpan;ZHANG Zhenghua;GUO Lirui;YAN Xuechun;ZHANG Keyuan

作者机构：扬州大学信息工程学院(人工智能学院)江苏扬州225127 

出 版 物：《信息与电脑》 (Information & Computer)

年 卷 期：2022年第34卷第9期

页      面：73-76页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：江苏省大学生创新创业训练计划项目(项目编号:202111117062Y) 扬州大学学科特区学科交叉课题“智能化稻麦生产精准变量喷洒关键技术研究与平台研发”(项目编号:yzuxk202008) 

主　　题：水稻病斑 灰度处理 直方图均衡化 中值滤波 ExG+ExR算法 OTSU 

摘      要：为了监测水稻病害等级并及时做好预防,本文提出一种基于超绿超红算法(ExG+ExR)结合最大类间方差法(Nobuyuki Otsu,OTSU)分割水稻病斑区域。首先,针对传统阈值算法分割效果不佳的缺陷,利用加权平均值进行灰度处理,通过直方图均衡化改善图像质量,并且以自适应中值滤波保护图像细节,从而实现对图像的降噪及增强处理;其次,通过ExG+ExR结合OTSU依次从背景分割出水稻叶片和病斑区域;最后,本文提出的方法与复印称重法和KNN算法比较,在800×300图像中平均绝对准确率高达98.28%,并且只有1.53%的平均绝对误差率。对比结果表明,该算法能够有效分割水稻的病斑区域,为有效识别病害种类及等级奠定了基础。