小麥條銹病的高光譜檢測(cè)與空氣中夏孢子監(jiān)測(cè)方法研究

小麥條銹病的高光譜檢測(cè)與空氣中夏孢子監(jiān)測(cè)方法研究小麥條銹病一直是威脅我國(guó)西北、西南、華北和淮北等冬麥區(qū)和西北春麥區(qū)的重要病害,是我國(guó)重要的農(nóng)作物病害防控對(duì)象,農(nóng)業(yè)農(nóng)村部每年均投入大量的人力和物力用于病情調(diào)查和監(jiān)測(cè),但由于缺乏有效地對(duì)病害進(jìn)行早期監(jiān)測(cè)和預(yù)報(bào)的技術(shù),造成條銹病易流行和暴發(fā),給小麥生產(chǎn)帶來(lái)了極大的損失。小麥條銹病是一種氣傳性真菌病害,真菌夏孢子菌源數(shù)通過(guò)氣流傳播是影響小麥條銹病發(fā)生和流行的主要原因,傳統(tǒng)的小麥條銹病病情調(diào)查和條銹病菌夏孢子監(jiān)測(cè)方法具有工作量大、效率低,且隨工作時(shí)間準(zhǔn)確性降低等缺點(diǎn),導(dǎo)致難以把握大尺度農(nóng)田病情和真菌孢子的實(shí)時(shí)和動(dòng)態(tài)變化情況。為了快速、準(zhǔn)確地對(duì)小麥條銹病病害程度進(jìn)行分級(jí)評(píng)估以及實(shí)現(xiàn)田間空氣中小麥條銹病夏孢子數(shù)量的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè),本文重點(diǎn)研究小麥條銹病病害程度分級(jí)方法、真菌夏孢子顯微圖像的分割和計(jì)數(shù)方法以及空氣中的夏孢子捕捉和顯微圖像遠(yuǎn)程實(shí)時(shí)采集裝置和軟件系統(tǒng)方法,為最終實(shí)現(xiàn)基于物聯(lián)網(wǎng)的廣域范圍內(nèi)空氣中小麥條銹病菌夏孢子數(shù)量的遠(yuǎn)程實(shí)時(shí)預(yù)測(cè)預(yù)報(bào)奠定基礎(chǔ)。論文主要研究?jī)?nèi)容和結(jié)論如下:(1)為了快速、準(zhǔn)確地對(duì)小麥條銹病病害程度進(jìn)行分級(jí)評(píng)估,提出了一種基于高光譜成像的小麥條銹病病害程度分級(jí)方法。首先利用HyperSIS高光譜成像系統(tǒng)采集受條銹菌侵染后不同發(fā)病程度的小麥葉片高光譜圖像,通過(guò)分析葉片區(qū)域與背景的光譜特征,對(duì)555nm波長(zhǎng)的特征圖像進(jìn)行閾值分割獲得掩膜圖像,并用掩膜圖像對(duì)高光譜圖像進(jìn)行掩膜處理,提取僅含葉片的高光譜圖像;然后用主成分分析法得到利于條銹病斑和健康區(qū)域分割的第2主成分PC2圖像,采用最大類間方差法分割出條銹病斑區(qū)域;最后根據(jù)條銹病斑區(qū)域面積占葉片面積的比例對(duì)小麥條銹病病害程度進(jìn)行分級(jí)。試驗(yàn)結(jié)果表明:測(cè)試的270個(gè)不同小麥條銹病病害等級(jí)的葉片樣本中,265個(gè)樣本可被正確分級(jí),分級(jí)正確率為98.15%,為田間小麥條銹病病害程度評(píng)估提供了基礎(chǔ),也為小麥條銹病抗性鑒定方法提供了新思路。(2)為解決分水嶺算法對(duì)粘連夏孢子經(jīng)距離變換后常存在多個(gè)局部極小值而產(chǎn)生的過(guò)分割問題,研究并提出了一種基于改進(jìn)分水嶺的夏孢子分割計(jì)數(shù)算法。該算法首先用K-means聚類分割及形態(tài)學(xué)處理方法將夏孢子目標(biāo)區(qū)域從背景中分割出來(lái),接著對(duì)夏孢子二值圖像進(jìn)行距離變換,對(duì)距離變換后的夏孢子灰度圖像提取局部最小值,并將局部最小值作為梯度圖像的局部最小值,然后利用分水嶺算法分割粘連夏孢子,對(duì)3857個(gè)夏孢子進(jìn)行分割和計(jì)數(shù)試驗(yàn),正確率達(dá)到了92.6%,比傳統(tǒng)的基于距離變換的分水嶺算法提高了13.0%,得到了較好的分割計(jì)數(shù)結(jié)果,很好地解決了夏孢子的過(guò)分割問題,可實(shí)現(xiàn)夏孢子的高效和準(zhǔn)確計(jì)數(shù)。(3)針對(duì)多孢子粘連分割計(jì)數(shù)困難的問題,提出了一種基于凹度和輪廓段融合的夏孢子分割計(jì)數(shù)算法。該算法首先通過(guò)形狀因子和面積對(duì)圖像中目標(biāo)區(qū)域進(jìn)行粘連判定,判定為單個(gè)孢子的區(qū)域直接擬合并計(jì)數(shù),對(duì)判定為粘連孢子的邊緣輪廓,基于凹度提取出輪廓上的凹點(diǎn),并通過(guò)凹點(diǎn)將邊緣輪廓分割成多個(gè)輪廓段,用距離測(cè)量和偏移誤差方法對(duì)粘連孢子輪廓段進(jìn)行融合來(lái)以判別同一孢子的輪廓段,最后對(duì)同一孢子的輪廓段采用最小二乘橢圓擬合算法進(jìn)行橢圓擬合,并統(tǒng)計(jì)橢圓的個(gè)數(shù)。對(duì)120幅夏孢子圖像進(jìn)行計(jì)數(shù)試驗(yàn),并與改進(jìn)分水嶺分割計(jì)數(shù)算法進(jìn)行對(duì)比,結(jié)果表明,該文算法最低計(jì)數(shù)準(zhǔn)確率為92.7%,最高計(jì)數(shù)準(zhǔn)確率為100%,平均計(jì)數(shù)準(zhǔn)確率為98.6%,比改進(jìn)分水嶺分割計(jì)數(shù)算法高6.0個(gè)百分點(diǎn),表明該文算法有效地提高了小麥條銹病夏孢子計(jì)數(shù)精度,可為田間在線式小麥條銹病夏孢子監(jiān)測(cè)裝備的開發(fā)提供技術(shù)支持。(4)為實(shí)現(xiàn)空氣中夏孢子捕捉和顯微圖像的遠(yuǎn)程自動(dòng)采集,提出了一種高放大倍數(shù)、高分辨率的小麥條銹病菌夏孢子顯微圖像遠(yuǎn)程采集系統(tǒng)的設(shè)計(jì)方案,并設(shè)計(jì)了系統(tǒng)軟硬件。針對(duì)現(xiàn)有孢子捕捉設(shè)備需人工定時(shí)換取載玻片、不能自動(dòng)采集等問題,基于ARK-1123C型嵌入式工控機(jī)和顯微鏡數(shù)字?jǐn)z像頭,設(shè)計(jì)實(shí)現(xiàn)了自動(dòng)取載玻片、涂脂、空中孢子捕捉、孢子顯微圖像采集、載玻片回收等一系列功能,且可根據(jù)用戶需求遠(yuǎn)程設(shè)置孢子捕捉和顯微圖像采集參數(shù),采集的圖像通過(guò)無(wú)線網(wǎng)絡(luò)傳輸?shù)竭h(yuǎn)程服務(wù)器中。為了驗(yàn)證系統(tǒng)的性能,在小麥田間進(jìn)行了40d的系統(tǒng)綜合試驗(yàn)測(cè)試。測(cè)試結(jié)果表明,系統(tǒng)可長(zhǎng)時(shí)間穩(wěn)定工作,能夠遠(yuǎn)程實(shí)時(shí)采集放大400倍的4096像素×3288像素的夏孢子顯微圖像。該系統(tǒng)能夠?qū)崟r(shí)采集和遠(yuǎn)程傳輸小麥條銹病菌夏孢子顯微圖像,可滿足野外小麥田間空氣中夏孢子監(jiān)測(cè)的需求,為農(nóng)田空氣中小麥條銹病菌夏孢子的自動(dòng)計(jì)數(shù)及條銹病的監(jiān)測(cè)提供重要技術(shù)支持。(5)開發(fā)了小麥條銹病菌夏孢子圖像分割與計(jì)數(shù)軟件。為了實(shí)現(xiàn)對(duì)小麥條銹病菌夏孢子的自動(dòng)計(jì)數(shù),基于MATLABGUIDE平臺(tái)和LCC編譯器開發(fā)了基于圖像處理的夏孢子自動(dòng)計(jì)數(shù)軟件。該軟件獨(dú)立于MATLAB環(huán)境,可在沒有MATLAB軟件的計(jì)算機(jī)上對(duì)夏孢子進(jìn)行自動(dòng)計(jì)數(shù)。利用該軟件,可以實(shí)現(xiàn)夏孢子的K-means聚類分割和形態(tài)學(xué)預(yù)處理,對(duì)復(fù)雜的粘連孢子可以通過(guò)基于改進(jìn)分水嶺分割計(jì)數(shù)算法和基于凹度和輪廓段融合的分割計(jì)