基于图像内容检索的作物病害识别数据库系统研究

计算机与现代化

基于图像内容检索的作物病害识别数据库系统研究

德宏师范高等专科学校计算机科学系，云南德宏678400

收稿日期:2014-12-24 出版日期:2015-04-27 发布日期:2015-04-29
作者简介: 濮永仙（1975-），女，云南腾冲人，德宏师范高等专科学校计算机科学系副教授，硕士，研究方向：机器视觉诊断作物病害，智能农业。
基金资助:
云南省教育厅科研基金资助项目（2013Y571）

Research on Crop Disease Recognition Database System Based on Image Content Retrieval

Computer Science Deptartment, Dehong Teachers College, Dehong 678400, China

Received:2014-12-24 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

针对作物病害诊断专家系统存在不足，提出基于图像检索的方式诊断病害。通过病害图像建立特征库、知识库、图像库等数据库，诊断时提取检索图像特征，求特征与特征库中特征的相似

度距离，按距离大小返回相似图像，依据返回结果获取病害的描述及防治措施。为提高检索的查准率和查全率，重点探索了病害图像数据库创建中特征库信息的获取和检索算法的设计。以烟草病害图像

为例，采用基于支持向量机与多特征选择检测彩色病斑边缘的方式分割病斑，提取病斑特征25个，利用双编码遗传算法和支持向量机对特征降维，以获取表征病害的有效特征17个及对应权重，对特征归

一化处理后建立数据库，并设计检索算法。实验结果表明，构建的图像数据库系统具有较高的查准率和查全率，其中融合病斑的多个特征检索的查准率比单一特征高。用这种方式诊断病害，除有较高的

病害识别率外，还有诊断结果的可视化，将其用于作物病害诊断专家系统中，将提高系统的鲁棒性，为实现病害的远程在线诊断提供了条件。

关键词: 基于内容的病害图像检索, 病斑分割, 特征提取, 图像数据库, 图像相似度

Abstract:

In view of the shortcomings for crop disease diagnosis expert system, the poper puts forward the way that disease diagnosis diseases based on image retrieval.

Try to establish image characteristics library database, knowledge base , image library and so on according to the plant disease images. Diagnosis, extract the characteristics

of the plant disease image, the characteristics and features of library matching query, through the query results for a description of the disease and prevention measures. In

order to improve the retrieval precision and recall rate, the poper mainly explores the characteristics of library information in the disease image database creation access and

retrieval algorithm design. Disease spot in tobacco plant disease image, for example, the color disease spot edge detection of based multifeature selection and on support vector

machine , 25 disease spot feature extracting, using double coding genetic algorithm and support vector machine (SVM) for feature dimension reduction, in order to get effective

characterization of disease features 17 and the corresponding weights, the characteristics of the normalized processing after establishing a database, and retrieval algorithm is

designed. Experiments show that the constructed image retrieval system has high precision and recall, the fusion of multiple features of disease spot retrieval precision is

higher than single feature. Diagnosis of disease in this way that includes higher disease recognition rate and diagnosis of visualization, the way is used for crop disease

diagnosis expert system that can improve the robustness of the system and achieve the remote online diagnosis of the disease.

Key words: content-based disease image searching, disease spot segmentation, feature extraction, image database, image similarity

濮永仙. 基于图像内容检索的作物病害识别数据库系统研究[J]. 计算机与现代化.

PU Yong-xian. Research on Crop Disease Recognition Database System Based on Image Content Retrieval[J]. Computer and Modernization.

参考文献

［1］ Georgieva K, Georgieva Y, Daskalov D. Theoretical substantiation of model of system for evaluation a state of vine plants and taking a decision for plant protection activities［

J］. Trakia Journal of Sciences (Series Social Sciences), 2003,1:30-32.
［2］穗波信雄. 图像处理在植物生长信息提取中的应用［R］. 农业机械学会关西支部研究会资料(日), 1992:63-46.
［3］范启福，赖荣泉，丘启发，等. 烟草病虫害远程在线诊断系统的建立及应用［J］. 中国烟草学报, 2008,29(1):60-61.
［4］张汉千，赖荣泉，林天然，等. 利用手机进行烟草病虫害求助与诊断［J］. 中国烟草科学, 2009,30(1):78-79.
［5］姜红花. 基于Web GIS烟草病虫害发生动态预测及诊断系统的开发［J］. 山东农业大学学报(自然科学版), 2010,41(4):631-635.
［6］彭署光. 烟草病害专家系统的建立与应用［J］. 湖南农业大学学报, 2010(6):181-184.
［7］管泽鑫,唐健,杨保军,等. 基于图像的水稻病害识别方法研究［J］. 中国水稻科学, 2010,24(5):497-502.
［8］王军英. 基于BP神经网络的葡萄病害诊断系统研究［J］. 农业信息网, 2013,8:30-33.
［9］谭克竹,沈维政. 基于BP神经网络的大豆叶片病害诊断模型的研究［J］. 控制理论与应用, 2013,32(12):5-7. 
［10］张云飞. 基于量子神经网络和组合特征参数的玉米叶部病害识别［J］. 南方农业报, 2013,44(8):1286-1290.
［11］刘鹏,屠康,徐洪蕊,等. 基于支持向量机的甜柿表面病害识别［J］. 现代食品科技, 2011,27(3):349-353.
［12］田有文,李天来,李成华,等. 基于支持向量机的葡萄病害图像识别方法［J］. 农业工程学报, 2007,23(6)：175-179.
［13］张铮，王艳平，薛桂香，等. 数字图像处理与机器视觉-Visual C+〖KG-*3〗+与Matlab实现［M］. 北京：人民邮电出版社, 2012：156-162.
［14］濮永仙. 基于支持向量机与多特征选择的作物彩色病斑边缘检测［J］. 计算机应用系统, 2014(8)待发.
［15］Lindgreen R, Herschberg I. On the validity of the bell-lapadula model［J］. Computer& Security, 1994,13:317-338.
［16］Otsu N A. Threshold selection method from gray-level histo-gram［J］. IEEE Trans. Syst. Man. Cybenet, 1979,9(15)：652-655.
［17］濮永仙,余翠兰. 基于双编码遗传算法的支持向量机作物病害图像识别方法［J］. 贵州农业科学, 2013,7(41)：187-191.
［18］Gersho A, Gray R M. Vector Quantization and Signal Compression［M］. Norwell，Massachusetts，USA: Kluwer Academic Publishers， 1992．

[1]	王秋忆, 周浩, 郑婷婷. 改进RetinaNet的电力设备目标检测方法[J]. 计算机与现代化, 2024, 0(01): 47-52.
[2]	杨柳青, 王冲. 基于极大熵的Web服务资源个性化推荐方法[J]. 计算机与现代化, 2023, 0(09): 32-37.
[3]	胡睿杰, 车逗. 红外小目标检测方法综述[J]. 计算机与现代化, 2023, 0(08): 79-86.
[4]	王欣怡, 尹四清, 洪军. 融合注意力机制的非对称深度监督哈希[J]. 计算机与现代化, 2023, 0(05): 26-31.
[5]	潘凤, 王杰, 张艳莎, 谭棉, 何兴, 王林, . 基于双分支特征拼接的行人重识别[J]. 计算机与现代化, 2023, 0(05): 93-99.
[6]	张晓东, 王栩颖, 秦子轩. 基于特征融合的抽油机井检泵周期预测[J]. 计算机与现代化, 2022, 0(12): 60-66.
[7]	李春生, 冯阳宵, 富宇, 张可佳, 吴润桐. 基于均值聚类的员工行为分析方法[J]. 计算机与现代化, 2022, 0(09): 19-24.
[8]	王梦, 张鸿鑫, 刘庆华, 张东. 基于改进YOLOv5的幽门螺杆菌免疫印迹图像识别[J]. 计算机与现代化, 2022, 0(09): 78-84.
[9]	陈钢. 融合RoBERTa和特征提取的政务热线工单分类[J]. 计算机与现代化, 2022, 0(06): 21-26.
[10]	贺璇, 刘怡欣, 何小海, 卿粼波, 陈洪刚. 基于改进残差网络的联合损失步态特征识别[J]. 计算机与现代化, 2022, 0(04): 27-32.
[11]	赵聪慧, 冯庆胜. 基于DT-CWT和SVM的踏面旋转不变纹理提取算法[J]. 计算机与现代化, 2021, 0(12): 85-90.
[12]	李龙, 张重阳. 基于改进YOLOv3的车辆尾灯检测方法[J]. 计算机与现代化, 2021, 0(07): 89-94.
[13]	刘亚东, 罗印升, 曹阳阳, 宋伟. 深度学习在手机数据接口缺陷检测中的应用[J]. 计算机与现代化, 2021, 0(06): 35-40.
[14]	林智伟, 朱文章, 陈浩. 基于神经网络空时特征提取的动态手势识别[J]. 计算机与现代化, 2021, 0(06): 41-47.
[15]	黄旭彬, 张金霜. 基于运动想象脑电控制的智能家居系统[J]. 计算机与现代化, 2021, 0(02): 68-72.