油菜是我国重要的油料作物,甘蓝型油菜抗病性强、产量高,在国内外广泛种植。甘蓝型油菜在生长过程中会遭受根肿菌的危害,影响其生长、产量及品质。精确的检测出甘蓝型油菜根肿病病情程度,可以对根肿病危害、品种抗性进行评价,从而进一步为选育抗病性品种和病害综合防治提供理论依据。目前,主要依靠人工鉴定的方法确定油菜根肿病的严重程度,该方法只能根据自己的经验来判断和预防,因此非常主观、耗时、费力、易错判,且具有一定的局限性。随着图像处理技术的快速发展,可将图像处理技术与农作物病情诊断相结合。本文主要从图像分割、特征提取和分类模型等方面,研究甘蓝型油菜根肿病病情程度检测的方法,最终得到了一个根肿病病情程度的分类模型。用样本进行测试,期望输出值与网络输出值的误差平均值为0.15833,均方差为0.17761025,检测准确率为90.00%。主要工作如下:(1)甘蓝型油菜植株图像的预处理。油菜根部分割效果主要受图像集等因素影响,因此需要对图像进行前期处理,提高图像分割效果的质量。大致方法是依次对图像进行剪切,将多植株图像换成单植株图像,再进行后期操作。本文采用彩色空间模型的方法分割出油菜根部图像:对比常见的空间模型,选择能突出油菜根部的颜色分量进行叠加,然后进行阈值分割,最后对分割的图像二值化与去噪处理。(2)甘蓝型油菜植株图像的特征提取。该特征提取主要针对甘蓝型油菜植株的形状特征。形状特征的提取从两个方面进行,一方面是从整个油菜根部进行特征提取,选取根部总周长、根部总面积、外接矩面积、质心、根部总周长与外接矩周长比、占有度作为特征参数,另一方面是将完整根部均等份,选取片段特征。经实验经验本文采用5等份,最终选取12个特征参数组合,用作病害分类模型的设计。(3)建立甘蓝型油菜根肿病病情程度的分类模型。利用BP(Back Propagation)神经网络来设计甘蓝型油菜根肿病病情程度的分类模型,将需要检测的油菜根肿病病情程度的类别设置为输出,将选取的12个特征参数设置为网络的输入,建立BP神经网络模型。利用训练好的分类模型对油菜根肿病病情程度进行检测,基于测试样本,期望输出值与网络输出值均方误差为0.17761025,分类结果的正确率为90.00%。