基于图像处理技术的小麦条锈病严重度自动分级系统构建
Development of an automatic grading system of wheat stripe rust severity based on image processing作者机构:中国农业大学植物保护学院北京100193
出 版 物:《植物病理学报》 (Acta Phytopathologica Sinica)
年 卷 期:2024年第54卷第2期
页 面:385-397页
核心收录:
学科分类:07[理学] 08[工学] 09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治]
基 金:国家重点研发计划项目(2021YFD1401001、2018YFD0200402) 国家自然科学基金项目(32072357)
主 题:小麦条锈病 严重度评估 自动分级系统 病害图像 图像处理
摘 要:条锈病是小麦上最重要的病害之一,严重影响小麦安全生产。该病害的严重度准确评估对病害预测和病害管理措施制定至关重要。为了实现小麦条锈病严重度的准确评估,本研究基于图像处理技术建立了小麦条锈病严重度自动评估方法,构建了小麦条锈病严重度自动分级系统。借助图像处理软件对获取的小麦条锈病各个严重度级别的发病单叶图像进行了手动分割,获取叶片区域图像和病斑区域图像,并统计获得每一发病单叶的叶片区域和病斑区域的像素数量,计算获得了每一发病单叶的病斑面积占发病叶片总面积的实际百分率。基于图像处理技术,利用4种图像分割方法对发病单叶图像进行叶片区域和病斑区域自动分割,与利用图像处理软件对病害图像进行手动分割所获取结果进行比较,获得了最优的病害图像自动分割方法。利用最优病害图像自动分割方法情况下获得的每一发病单叶的病斑面积占发病叶片总面积的百分率,分别依据每一个严重度级别的基于平均值中间值的实际百分率参考范围和病斑面积实际百分率的99%参考值范围,对每一发病单叶进行严重度评估,评估结果表明,基于病斑面积实际百分率的99%参考值范围的严重度评估方法最优,其严重度评估平均准确率为88.19%。利用最优的病斑图像自动分割方法和最优的严重度评估方法,结合PyQt5库、Qt Designer和PyUIC5设计工具,使用Python语言编程构建了小麦条锈病严重度自动分级系统。本研究为基于图像处理技术的小麦条锈病严重度自动评估提供了基础,并为其他植物病害的严重度评估提供了方法和思路参考。