植物表型分析已成為現(xiàn)代農(nóng)業(yè)的一個(gè)重要方面，是一種能監(jiān)測(cè)植物健康和提高作物產(chǎn)量的工具。本研究介紹了一種高效、經(jīng)濟(jì)的圖像處理方法，用于檢測(cè)和分割健康和病害的植物葉片。該方法主要分為3個(gè)階段：預(yù)處理、分割和后處理。在預(yù)處理階段，通過(guò)灰度轉(zhuǎn)換增強(qiáng)獲取的葉片圖像，以消除噪聲并簡(jiǎn)化圖像分析。在分割階段，應(yīng)用閾值技術(shù)將葉片從背景中分離出來(lái)，從而能夠更準(zhǔn)確地識(shí)別病害。后處理階段包括細(xì)化分割后的葉片圖像、邊緣檢測(cè)和輪廓分析，以更好地了解葉片的形狀和結(jié)構(gòu)。為了評(píng)估所提出的方法，使用了由100張葉片圖像組成的數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，該算法成功檢測(cè)出68 %的染病葉片和75 %的健康葉片，總體準(zhǔn)確率達(dá)到66.66 %。這些發(fā)現(xiàn)突出了灰度轉(zhuǎn)換和閾值技術(shù)在自動(dòng)化疾病檢測(cè)中的潛力，特別是在資源有限的農(nóng)業(yè)環(huán)境中。雖然實(shí)驗(yàn)結(jié)果證明了該方法的有效性，但也存在局限性，諸如數(shù)據(jù)集多樣性和對(duì)灰度處理的依賴。未來(lái)的研究將包括融入顏色信息，應(yīng)用先進(jìn)的機(jī)器學(xué)習(xí)算法，以及使用更大、更多樣化的數(shù)據(jù)集來(lái)提高準(zhǔn)確性和魯棒性。總體而言，本研究為開(kāi)發(fā)自動(dòng)化系統(tǒng)以高效監(jiān)測(cè)和管理植物病害提供了基礎(chǔ)，有助于提高農(nóng)業(yè)生產(chǎn)力和可持續(xù)性。