基于Matlab的农作物叶子虫害识别与分类系统：守护农田的数字卫士

oIFnupWZw

348人浏览 · 2026-03-14 08:45:00

oIFnupWZw · 2026-03-14 08:45:00 发布

基于matlab的农作物叶子虫害识别与分类系统【病虫害识别】基于计算机视觉，含GUI界面步骤：训练颜色模型，量化HSV分量，获取颜色直方图，中值滤波，提取颜色特征，特征匹配。功能：识别分类病虫害叶子（正常情况，轻微灾害，中等灾害，严重灾害）代码结构清晰，含有注释，运算速度快，可扩展。，包远程调试，报告（第091期）

在农业领域，病虫害对农作物的影响巨大，及时准确地识别和分类病虫害叶子对于保障农作物产量和质量至关重要。今天就来聊聊基于Matlab的农作物叶子虫害识别与分类系统，这个系统借助计算机视觉技术，并带有方便易用的GUI界面，让我们在面对农作物病虫害时能做到心中有数。

一、病虫害识别步骤解析

1. 训练颜色模型

不同病虫害下的叶子颜色会呈现出特定变化，训练颜色模型就是捕捉这些变化规律。在Matlab中，我们可以利用一些样本图像数据来构建初始的颜色模型。

% 读取样本图像
sampleImage = imread('sample_pest_leaf.jpg');
% 将图像转换到HSV色彩空间
hsvImage = rgb2hsv(sampleImage);

这里我们先读取一张样本图像，然后将其从RGB色彩空间转换到HSV色彩空间，因为HSV空间在处理颜色信息时更加直观和方便。

2. 量化HSV分量

量化HSV分量是为了将连续的颜色值离散化，便于后续处理和分析。

% 设定量化等级
hBins = 32;
sBins = 32;
vBins = 32;
% 计算量化后的HSV直方图
hsvHist = imhist(hsvImage, [hBins sBins vBins]);

通过设定不同通道（Hue、Saturation、Value）的量化等级，我们可以计算出量化后的HSV直方图，这个直方图就像是颜色的“指纹”，可以帮助我们区分不同状态的叶子。

3. 获取颜色直方图

颜色直方图直观地展示了图像中各种颜色的分布情况。

% 绘制HSV直方图
figure;
subplot(3,1,1); bar(hsvHist(:,1,1)); title('Hue Histogram');
subplot(3,1,2); bar(hsvHist(1,:,1)); title('Saturation Histogram');
subplot(3,1,3); bar(hsvHist(1,1,:)); title('Value Histogram');

这段代码会分别绘制出Hue、Saturation和Value通道的直方图，从这些直方图中我们能清晰看到颜色的分布特点，比如正常叶子和病虫害叶子在某些颜色区间的分布差异。

4. 中值滤波

中值滤波是一种常用的图像滤波方法，可以有效去除图像中的噪声，使后续特征提取更加准确。

% 对图像进行中值滤波
filteredImage = medfilt2(sampleImage, [3 3]);

这里使用medfilt2函数对样本图像进行中值滤波，窗口大小设置为[3 3]，通过这种方式可以平滑图像，同时保留图像的边缘信息。

5. 提取颜色特征

在经过前面的步骤处理后，我们就可以提取叶子图像的颜色特征了。这些特征将作为后续分类的重要依据。

% 提取颜色特征，这里以HSV直方图特征为例
colorFeatures = hsvHist(:);

简单地将HSV直方图展开成一维向量，就得到了颜色特征向量，这个向量包含了图像丰富的颜色信息。

6. 特征匹配

将待识别叶子图像的特征与预先训练好的特征库进行匹配，以此判断叶子所处的病虫害状态。

% 假设已经有训练好的特征库，这里简单示意特征匹配
distance = pdist2(colorFeatures, trainedFeatureLibrary, 'euclidean');
[minDistance, index] = min(distance);

这里使用欧氏距离来衡量待识别特征与特征库中特征的相似度，距离越小说明越相似，通过找到最小距离对应的索引，就可以知道待识别叶子最接近哪种病虫害状态。

二、系统功能实现

这个系统的核心功能就是识别分类病虫害叶子，分为正常情况、轻微灾害、中等灾害和严重灾害。

switch index
    case 1
        status = '正常情况';
    case 2
        status = '轻微灾害';
    case 3
        status = '中等灾害';
    case 4
        status = '严重灾害';
end

通过前面特征匹配得到的索引，我们可以很方便地确定叶子的病虫害状态。

三、代码优势

结构清晰：从读取图像、色彩空间转换、特征提取到分类，代码逻辑连贯，每个步骤都有清晰的注释，方便理解和维护。
运算速度快：Matlab本身针对矩阵运算进行了优化，并且在代码实现中尽量采用高效的函数，比如imhist、medfilt2等，保证了整个系统的快速运行。
可扩展：如果后续需要增加新的病虫害类型或者优化特征提取方法，基于现有的清晰结构很容易进行扩展。