基于SURF算法的大豆灰斑病视觉识别系统

作者：李建军; 史春梅; 单琪凯; 华秀萍; 孟庆祥; 王岩; 王丽丽; 姜永成^*

来源：大豆科学, 2019, 38(01): 90-96.

• 机器视觉
• 大豆灰斑病
• SURF
• SIFT
• Open CV

机器视觉技术是农田信息采集系统的关键技术之一,在精细农业中有广泛应用,农作物病害部位的精准识别作为精准施药的前提和关键,其识别精准度对病害防治效果影响巨大,当前农田信息采集系统识别精度差的问题急需解决。本研究结合机器视觉与计算机图像处理技术,以Visual Studio 2010为开发平台,搭建大豆灰斑病计算机视觉识别系统。由计算机摄像头采集大豆叶片图像,通过对彩色图像灰度化预处理,分别对比Open CV(Open Source Com-puter Vision Library)计算机视觉开源库中两个图像特征检测识别方法—SURF(Speeded Up Robust Features)法和SIFT(Scale-Invariant Feature Transform)法,对图像灰斑特征点进行检测,两种算法在输出帧率上差别明显,SIFT算法输出帧率为0. 3～0. 5 fps,SURF算法输出帧率为0. 6～0. 9 fps,考虑设备性能和灰斑识别的精准性,最终选用SURF算法;建立图像像素点海森矩阵,经高斯滤波,利用非极大值抑制法确定特征点,再由立体空间差值法定位极值点,根据哈尔小波响应值选取特征点主方向,构造SURF特征点描述算子以提取特征点,编写相关程序代码,分别对黑农44分枝期和结荚期大豆叶片灰斑进行检测。结果显示:分枝期叶片纹理少,特征点少,检测效果好,检测正确率97. 28%,耗时0. 97 s,结荚期叶片纹理增多,绘制特征点较多,检测正确率89. 49%,耗时1. 19 s,基本满足大豆灰斑病识别系统功能需求。通过田间试验,利用FLANN算法对分枝期视频图像进行特征点提取,实现对视频图像帧检测并匹配特征点的目的,检测率为90. 7%,匹配率93. 8%,该大豆灰斑病视觉识别系统的构建能够为下一步精准施药及相关农田信息精准采集系统设计提供思路与参考。

• 单位
  佳木斯大学