真菌病害如由尾孢菌（Cercospora coffeicola）引起的叶斑病和浆果斑点病，会对咖啡植株造成严重损害。这些病害不仅影响咖啡豆的外观，使其出现褐色至黑色的病变，还会降低咖啡豆的品质，导致 “异味” 和缺陷产生，进而影响咖啡在市场上的接受度和价格。早期检测真菌病害至关重要，它能为种植者争取更多时间采取控制措施，减少病害传播，降低经济损失，维护咖啡生态系统的健康和可持续性。
L 系统最初是用于计算机图形学中生成自相似形状（分形）的数学工具，在植物建模领域应用广泛。该研究借助 L 系统定义的生长规则和参数，来描述咖啡豆的三维外观，包括其形状、大小和颜色 。通过这种方式构建的 L 系统算法，能够模拟真实咖啡豆的特征，为检测真菌病害奠定基础。
在实际检测过程中，研究人员首先采用咖啡豆边缘检测方法，从健康咖啡豆的顶部边缘提取典型的边缘样本。同时，定义不同颜色咖啡豆（如红、黄、绿、棕、黑、白）的标准 RGB 值，以此作为判断咖啡豆健康状况的依据之一。在计算咖啡豆在图像中的范围时，利用彩色晶格方块来确定其形状和大小。当晶格方块围绕检测到的顶部边缘中心螺旋扩展时，如果新加入的方块内图像颜色和强度与相邻方块相似，就继续扩展，直到达到固定大小或找不到合适的相邻方块为止。通过这种方式，白色晶格表示健康咖啡豆，紫色晶格则用于标记可能受感染的咖啡豆。
图1由视觉语言模型生成的合成图像，用于描绘咖啡果小蠹和粪便的覆盖情况，辅助对虫害特征的理解。
图2对比展示了健康咖啡浆果（左）和被咖啡果小蠹感染的浆果（右），清晰呈现出两者在外观上的差异。
图3展示了使用直接法对植物进行识别和分类的结果，呈现了该方法在植物识别应用中的实际效果。
除了基于边缘检测和晶格扩展的方法，研究还采用了颜色分割技术。该技术能准确地定位所有咖啡豆，但在分离咖啡豆和处理图像背景冲突方面存在不足。而 L 系统的植物识别方法则可以弥补这些缺陷，综合多种信息更准确地识别咖啡豆的健康状况。
通过 L 系统的颜色分析和晶格定位，能够有效检测出咖啡豆上的真菌感染区域。在检测过程中，灰色 - 棕色的感染区域会被紫色晶格突出显示，即使是感染初期的细微变化也能被发现。与传统的神经网络方法相比，基于 L 系统的检测方法具有显著优势。它对大规模训练数据的依赖程度较低，减少了训练成本和时间。而且，L 系统的检测过程更符合植物生长的自然规律，从植物的角度出发进行检测，提高了检测的准确性和效率。
参考文献：
Napier C C, Cook D M, Armstrong L J. Coffee Berry pathogen anomaly detection using colour and shape separation via L-systems[C]//BIO Web of Conferences. EDP Sciences, 2025, 167: 05003.