一種檢測農(nóng)作物葉部病害的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于農(nóng)業(yè)現(xiàn)代化領(lǐng)域，涉及對農(nóng)作物健康狀況進行診斷與識別，具體涉及一種檢測農(nóng)作物葉部病害的方法。
【背景技術(shù)】
[0002]我國是一個農(nóng)業(yè)大國，受農(nóng)作物種類多，種植面積大，氣候條件復(fù)雜多樣，生態(tài)基礎(chǔ)脆弱等因素的綜合影響，病害種類繁多，分布廣泛，發(fā)生頻繁。準(zhǔn)確、快速地實現(xiàn)病害檢測，是農(nóng)作物病害綜合防治的關(guān)鍵技術(shù)，只有在正確診斷患病類型的前提下，才能采取適時對路的策略，迅速做出防治措施。隨著計算機技術(shù)和圖像處理技術(shù)的迅速發(fā)展，國內(nèi)外研究人員已開始將計算機視覺理論應(yīng)用于農(nóng)業(yè)生產(chǎn)及農(nóng)業(yè)現(xiàn)代化方面。然而，現(xiàn)有的農(nóng)作物病害檢測的方法中，圖像獲取的途徑固定，均采用單一的確定的圖像采集方式，僅能針對特定類型和質(zhì)量的農(nóng)作物圖像進行處理，且部分圖像采集設(shè)備要求較高的成本，不具備廣泛的實用性。此外，由于農(nóng)作物病害圖像具有復(fù)雜性和多樣性，加之受實際系統(tǒng)環(huán)境和方法本身的限制，檢測的速度和準(zhǔn)確度也有待提高。

【發(fā)明內(nèi)容】

[0003]本發(fā)明采用的技術(shù)方案是：一種農(nóng)作物葉部病害檢測方法，包括如下步驟：首先，用戶直接利用圖像采集設(shè)備在田間現(xiàn)場對待檢測的農(nóng)作物葉片進行拍照及保存，實現(xiàn)對原始圖片的獲?。黄浯?，用戶通過無線傳輸或聯(lián)機在線上傳的方式，將待檢測的原始圖片上傳至農(nóng)作物葉部病害網(wǎng)絡(luò)在線檢測平臺中；最后，上述網(wǎng)絡(luò)在線檢測平臺采用可視化編程語言實現(xiàn)一個視窗操作平臺系統(tǒng)，包括農(nóng)作物葉部病斑圖像自動識別系統(tǒng)和專家診斷系統(tǒng)，以實現(xiàn)對檢測結(jié)果的實時獲取和存儲；其中，所述農(nóng)作物葉部病斑圖像自動識別系統(tǒng)，通過讀取接收到的農(nóng)作物葉片原始圖像，對葉部病斑進行分割，獲得病斑區(qū)域的圖像，提取表征其特征參數(shù)，針對不同類型農(nóng)作物病害的病理學(xué)特點，采用模式識別方法對上述特征參數(shù)進行識別，得到最終的待測農(nóng)作物葉部病斑檢測結(jié)果；所述專家診斷系統(tǒng)，是根據(jù)病理學(xué)資料和植保專家經(jīng)驗建立多種農(nóng)作物葉部病害數(shù)據(jù)庫，該數(shù)據(jù)庫能夠在得到病害檢測結(jié)果后，實時地輸出該病害類型的描述，并給出建議的防治措施，便于用戶及早發(fā)現(xiàn)病害，做到對癥下藥；
[0004]其中所述農(nóng)作物葉部病斑圖像自動識別系統(tǒng)中的病斑圖像分割方法步驟如下：第一步，讀取原始彩色圖像并將原始圖像從RGB模型空間轉(zhuǎn)換至HSI模型空間；第二步，分別提取HSI模型空間下對應(yīng)的H分量圖像和I分量圖像；第三步，對H分量圖像使用最大類間方差法進行動態(tài)閾值分割，初步分割得到葉部病斑區(qū)域的二值化圖像；第四步，將所得二值化圖像與I分量的圖像進行疊加運算，消除背景區(qū)域?qū)Σ“叻指钤斐傻恼`判，得到僅包含病斑區(qū)域的二值圖像；第五步，對上一步所得二值圖像，采用形態(tài)學(xué)方法填充病斑區(qū)域內(nèi)部的孔洞，完整病斑形狀。第六步，輸出分割完成后的農(nóng)作物葉部病斑區(qū)域的完整圖像。
[0005]所述圖像采集設(shè)備包括手機和數(shù)碼相機。
【附圖說明】
[0006]圖1為本發(fā)明的病害檢測過程整體框圖。
【具體實施方式】
[0007]如圖1所示，病害檢測過程的整體過程如下：一、用戶直接利用手機、數(shù)碼相機等設(shè)備在田間現(xiàn)場對待檢測的農(nóng)作物葉片進行拍照及保存，實現(xiàn)對原始圖片的獲取。二、用戶通過手機網(wǎng)絡(luò)無線傳輸或聯(lián)機在線上傳的方式，將待檢測的原始圖片上傳至農(nóng)作物葉部病害網(wǎng)絡(luò)在線檢測平臺中。三、上述網(wǎng)絡(luò)在線檢測平臺采用可視化編程語言實現(xiàn)一個視窗操作平臺系統(tǒng)，滿足界面友好、操作簡便、便于非專業(yè)人士使用等要求，同時具備病斑圖像自動識別系統(tǒng)功能和專家診斷系統(tǒng)功能，實現(xiàn)對檢測結(jié)果的實時獲取和存儲。其中，農(nóng)作物葉部病斑圖像自動識別系統(tǒng)，通過讀取接收到的農(nóng)作物葉片原始圖像。專家診斷系統(tǒng)，通過收集病理學(xué)資料和植保專家經(jīng)驗，建立了多種農(nóng)作物葉部病害數(shù)據(jù)庫，該數(shù)據(jù)庫能夠在得到病害檢測結(jié)果后，實時地輸出該病害類型的描述，并給出植保專家建議的防治措施，便于用戶及早發(fā)現(xiàn)病害，做到對癥下藥。
【主權(quán)項】
1.一種一種檢測農(nóng)作物葉部病害的方法，包括如下步驟:首先，用戶直接利用圖像采集設(shè)備在田間現(xiàn)場對待檢測的農(nóng)作物葉片進行拍照及保存；其次，用戶通過無線傳輸或聯(lián)機在線上傳的方式，將待檢測的原始圖片上傳至農(nóng)作物葉部病害網(wǎng)絡(luò)在線檢測平臺中；最后，上述網(wǎng)絡(luò)在線檢測平臺采用可視化編程語言實現(xiàn)一個視窗操作平臺系統(tǒng)，以實現(xiàn)對檢測結(jié)果的實時獲取和存儲；其中所述農(nóng)作物葉部病斑圖像自動識別系統(tǒng)中的病斑圖像分割方法步驟如下:第一步，讀取原始彩色圖像并將原始圖像從RGB模型空間轉(zhuǎn)換至HSI模型空間；第二步，分別提取HSI模型空間下對應(yīng)的H分量圖像和I分量圖像；第三步，對H分量圖像使用最大類間方差法進行動態(tài)閾值分割，初步分割得到葉部病斑區(qū)域的二值化圖像；第四步，將所得二值化圖像與I分量的圖像進行疊加運算，消除背景區(qū)域?qū)Σ“叻指钤斐傻恼`判，得到僅包含病斑區(qū)域的二值圖像；第五步，對上一步所得二值圖像，采用形態(tài)學(xué)方法填充病斑區(qū)域內(nèi)部的孔洞，完整病斑形狀；第六步，輸出分割完成后的農(nóng)作物葉部病斑區(qū)域的完整圖像。2.根據(jù)權(quán)利要求1所述的一種檢測農(nóng)作物葉部病害的方法，其特征在于，所述第四步中背景區(qū)域包括土地以及光斑。3.根據(jù)權(quán)利要求1所述的一種檢測農(nóng)作物葉部病害的方法，其特征在于，所述第五步是在病斑區(qū)域內(nèi)部可能出現(xiàn)非連通情況的區(qū)域進行的。4.根據(jù)權(quán)利要求3所述的一種檢測農(nóng)作物葉部病害的方法，其特征在于，所述非連通情況包括孔洞。
【專利摘要】一種檢測農(nóng)作物葉部病害的方法，采集待測農(nóng)作物的葉部圖像并上傳至同時具備病害圖像自動識別功能和專家診斷系統(tǒng)功能的在線檢測平臺，對待測農(nóng)作物葉部病斑圖像實現(xiàn)分割與識別，輸出檢測結(jié)果并給出防治建議，其中的病斑圖像分割是將原始圖像從RGB模型空間轉(zhuǎn)化到HSI空間，分別提取HSI空間下的H分量和I分量圖像，然后對H分量圖像使用最大類間方差法進行動態(tài)閾值分割，初步得到病斑的區(qū)域圖像；再將I分量圖像與上述H分量的分割結(jié)果相疊加，消除背景區(qū)域?qū)Σ“叻指钤斐傻恼`判，得到僅包含病斑區(qū)域的二值圖像；利用形態(tài)學(xué)方法對上述分割結(jié)果進行后續(xù)處理，最終得到待測農(nóng)作物葉部病斑的完整圖像。
【IPC分類】H04L29/08, G06T7/00, G06F17/30, G01N21/88
【公開號】CN105223202
【申請?zhí)枴緾N201410295343
【發(fā)明人】丁莉麗
【申請人】丁莉麗
【公開日】2016年1月6日
【申請日】2014年6月27日