基于机器视觉技术的辣椒果实炭疽病病害分级方法研究

来源：湖北农业科学杂志2025年第8期北京时间：

作者：邹玮, 岳延滨, 李莉婕, 陈维榕, 韩威, 朱存洲

单位：贵州省农业科技信息研究所,贵阳 550006

摘要：针对传统辣椒（Capsicum annuum L.）病害分级的主观性强、检测效率低等问题,以感染炭疽病的辣椒果实为研究对象,提出基于机器视觉的语义分割模型,实现辣椒果实炭疽病的自动化快速分级、识别。在密闭环境下模拟太阳光照,采集不同辣椒品种的健康果实及4个病害等级的图像,利用主成分分析方法对图像冗余特征进行降维,得到累计贡献率为95%的3个颜色特征,分别为Cb、Cr、R。对模型1（决策树）、模型2（朴素贝叶斯）、模型3（SVM）、模型4（KNN）进行训练,模型1（决策树）训练时间较短、精确率最高,将其作为辣椒炭疽病病害分级的最优预测模型,该模型对机器性能要求较低,且生成模型的内存占用较小,便于后续边缘化部署。模型1（决策树）对辣椒果实和病斑的识别精确率分别为90.3%~98.2%和75.3%~80.7%,对辣椒炭疽病病害分级的召回率为73.3%~93.3%,其中对健康辣椒（0级）的识别召回率均高于90.0%。模型1（决策树）的预测结果与人工标注真实值在病害各等级上具有高度一致性,验证了该模型在自动化病害监测系统中的适用性,可替代人工目视分级方法。

关键词：辣椒（CapsicumannuumL.）果实,机器视觉技术,炭疽病,病害分级

基金资助：贵州省农业科学院青年基金项目(黔农科一般基金[2024]25号); 贵州省科技计划项目(黔科合支撑[2021]一般173)