烟草是我国主要的经济作物之一,是国家财政税收的重要来源之一。据统计,2014年全国共种植烤烟1837万亩,烟草行业工商税利达到10517.6亿元,全年上缴财政总额9110.3亿元。烟草质量是生产高品质烟叶保障,是确保卷烟品质重要前提之一。但是,烟草在生长过程中受到气候、土壤、技术水平等因素的影响,较易受到各种烟草病害危害,降低烟草产量,影响烟叶品质。传统烟草病害识别主要依靠人工以及实验室检测,存在效率低、实时性差、无法大面积推广应用等问题。因此,如何快速准确识别烟草病害是亟待解决的问题。针对大田环境下采集到的赤星病、野火病等多种病害,利用交互式分割算法准确分割提取出烟草图像病斑,借助颜色矩、Hu不变矩以及灰度共生矩阵得到烟草病害的颜色、轮廓和纹理特征值,采用遗传算法优化BP神经网络算法建立起烟草病害识别诊断模型,从而将烟草病害自动识别诊断系统应用到烟草生产中。

Videometerlab多光谱成像系统是一种准确、便捷、有效的烟草病害识别解决方案。提出一种大津法与GrabCut算法结合的交互式分割提取算法。在大田环境下用手机采集到烟草病害图片；然后,将提取到的烟草病害图片利用Videometerlab 4设备由RGB颜色空间转化到HSV颜色空间,提取其V分量图；再次,利用大津法对烟草病害的V分量图进行阈值分割,得到相应病斑的位置及面积信息；较后,通过对比分析病斑区域面积信息将具有明显病斑特征区域的位置信息初始化GrabCut函数,将区域内病斑准确分割提取出来,得到烟草病害病斑分割图。建立多特征融合的烟草病害识别模型。通过颜色矩、病斑轮廓以及灰度共生矩阵提取出烟草病害的颜色、轮廓以及纹理特征,利用遗传算法对BP神经网络进行优化,得到BP神经网络较优初始权值和阈值,缩短训练时间。应用优化神经网络将多特征进行融合,建立烟草病害自动识别诊断模型,提高烟草病害的识别的准确率。当用户在大田中发现烟草病害时,通过手机拍照并传烟草病害图片到服务器端；服务器自动识别诊断烟草病害种类,将烟草病害识别结果、病害特征信息以及防治方法。向用户服务输出的多特征融合烟草病害遗传神经网络识别诊断模型。结合田间试验,该方法能有效自动识别诊断出包括赤星病、气候斑、病毒病、野火病以及角斑病等在内的八种烟草病害。Videometerlab 4可用来构建所有植物病害的识别系统。