1大豆是一种非常重要的经济作物，大豆病害程度会在一定程度上影响大豆产量的好坏。研究人员希望能够通过叶片病斑面积评估大豆病害的严重程度。至今为止，大豆叶片病斑相对面积测量系统存在操作复杂，成本较高，测量结果不精确等问题。本文主要通过对比基于RGB的病斑叶片阈值分割、基于HSV的病斑叶片阈值分割和K-means聚类算法的病斑叶片分割，然后利用形态学开操作对分割后图像降噪、消除细小物体操作，从而能够较为准确地计算出大豆叶片病斑相对面积。在本实验获取到的样本集中，经过比较三种分割算法发现，基于HSV的阈值分割算法能够较好地将背景与叶片区域，叶片健康区域与病害区域分割开来，并且与手动分割病斑区域相比，绝对误差能够控制在百分之一左右，因此将该分割方法应用于本系统。最后设计开发了一款大豆叶片相对病斑面积测量与实验数据管理工具，主要实现了大豆叶片图像分割，实验数据记录，实验数据分析，实验图片管理等功能。本系统的设计与开发降低了硬件成本，为病斑相对面积测量人员提供了便捷。
目录
引言
1.绪论
1.1 研究背景及意义
大豆是一种很重要的作物，在我国范围内广泛种植，然而，大豆作物受病害影响较为严重，会直接影响大豆的产量。因此，有必要准确评估大豆病的严重程度，这对于抗病鉴定，抗病研究和疾病预防具有重要意义[12]。相对病斑面积反映了病原菌对植物叶片的侵染能力，它能够作为一个理想指标，对抗病性遗传进行研究[3]。
有一些传统的测量叶片病斑面积的方法，这些方法包括网格法、称质量法、软件抠图法等，但是这些方法操作较为繁琐，也存在很多不足，而且，这些方法都难以对较大数量的叶片进行处理，效率很低，而且因为测量人员存在观测疲劳和认识上的差异，会对测量结果产生较大影响[4]。
通过图像处理技术来计算叶片的相对病斑面积，能够有效解决很多传统方法的弊端，同时不会损害叶片，实现无损测量，也不会影响侵染病菌的生长环境。随着计算机技术的发展，能够批量处理数据，为叶片相对面积测量提供了更加方便快捷的可能[57]。
图像分割是用计算机技术处理叶片计算相对病斑面积的核心，如果能够准确地将叶片病害区域和健康区域分割开来，就能准确计算出病斑相对面积
所以在目前阶段，研究一款基于PC端的大豆叶片病斑相 *景先生毕设|www.jxszl.com +Q: @351916072@ 
对面积测量数据管理分析软件在评估大豆病害严重程度上显得尤为重要，大大提高测量效率和精度。
1.2 作物叶片病斑区域分割及面积测量方法研究现状
马晓丹，祁广云在2006年时综合运用计算机图像处理技术和人工神经网络技术，实现了大豆叶片中病斑区域的识别。他们利用神经网络识别出病斑区域，然后运用图像处理技术对病斑区域进行相关特征计算。结果表明，该方法能够达到百分之百识别病斑区域，对以后的研究提供了重要基础[8]。
2009年，马晓丹，祁广云二人协同关海鸥，运用计算机数字图像处理技术与遗传算法进行大豆病斑提取研究。结果表明，该方法取得不错的效果，为以后的研究开扩了道路[9]。
2013年，沈维政等针对叶片病斑图像边界模糊等问题，采用遗传神经网络对叶片病斑进行分割，以大豆叶片做为研究对象，引入遗传算法，网络训练速度有所提高，实验表明，这种方法较为精确且稳定，鲁棒性好[10]。
2014年栗娜等人以改进遗传算法为基础，提出作物病害叶片病斑图像分割算法，经实验表明，此算法不需要考虑叶片纹理和分割数，获取叶片病斑图像较为准确，也具有较强的易用性[11]。
为了使评估大豆叶片的病害程度趋于定量化，胡维炜，张武，刘连忠等人提出了用图像处理的方式测量大豆叶片相对病斑面积 [1214]。该方法通过HSV、L*a*b*特征空间聚类法实现目标叶片和背景的分离和叶片病斑区域及健康区域的分离并取得较好的效果。
1.3 存在的主要问题
目前存在的病斑面积测量软件只是单纯地测量病斑面积或相对病斑面积，普遍存在没有对实验数据进行统一的管理，不能上传到后台数据库，不能在软件中随时查看图片信息等问题，同时不能对实验数据进行简单地数据分析。
因此一款PC端的大豆叶片相对面积测量数据管理分析软件的开发显得尤为重要，本文中该软件不仅能够测量相对病斑面积，而且能对实验数据进行记录，图片数据上传到后台数据库以及简单的数据分析等功能。
1.4 研究内容
1）实验方案设计
用户设计实验方案，包括实验名称、实验方法、实验原理、实验步骤、采集时间、采集地点、温度、湿度等相关信息。
2）计算相对病斑面积
图像处理，包括图像分割、图像二值化、图像去噪声等。使用基于RGB的图像分割算法、基于HSV的图像分割以及基于Kmeans聚类算法的图像分割。使用形态学开操作对图像进行去噪。
3）实验数据记录
在对叶片操作完成后，记录相关信息存入数据库，包括叶片编号、大豆种类、菌名称、接种时长等。
4）病斑叶片图像管理
实现大豆病斑叶片压缩、添加、上传、删除等功能。
5）实验数据分析
根据病菌不同侵染时间的病斑所占叶片百分比，绘制大豆叶片病菌侵染速度分析折线图。
1.5 技术路线
1）学习图像预处理方法，并通过代码实现；
2）为实现图像背景和目标叶片的分离，目标叶片病斑区域和健康区域的分离，使用基于阈值的图像分割算法以及Kmeans聚类算法，比较几种方法的优缺点并选择合适的算法应用到本系统；
3）实现图片信息数据管理，软件使用者可以在系统中查看录入到数据库的图片以及相关信息，数据库使用MySQL数据库；
4）实现图片数据管理包括图片查看、压缩、上传到数据库等；
5）根据病菌不同侵染时间的病斑所占叶片百分比，绘制大豆叶片病斑侵染速度分析折线图；
6）利用爬虫技术爬取网站上的大豆病害相关知识并在系统中呈现；
7）系统界面设计；
8）系统功能完善；
/
图1 技术路线图
1.6 论文结构
本文具体结构如下：
第一章：绪论。本章介绍了利用计算机技术处理大豆叶片的研究背景，大豆叶片病斑面积测量数据管理分析软件的主要功能和实现方法，目前测量系统中存在的问题和研究现状，大豆叶片病斑面积测量与实验数据管理工具的主要研究内容以及相关技术方案路线，最后说明了本文的组织结构。
第二章：大豆叶片图像分割算法的实现与选择。本章介绍了基于RGB的彩色图像阈值分割方法，基于HSV的彩塑图像分割方法Kmeans聚类算法，并对实验结果进行比较，最后选择了基于HSV的阈值分割方法应用于本系统。最后利用形态学开操作去除细小物体和消除噪声。
第三章：大豆叶片病斑面积测量与数据管理工具开发相关技术。本章主要介绍了本系统应用到的主要技术，包括JFream框架、Spring技术、MySQL数据库以及Mybatis技术。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/563923.html