一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法
【專利摘要】本發(fā)明公開了一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法,其特征是按如下步驟進(jìn)行:1智能手機(jī)采集小麥葉片圖像,并傳輸至后臺(tái)服務(wù)器;2后臺(tái)服務(wù)器將小麥葉片圖像進(jìn)行消除光照影響處理后獲得預(yù)處理樣本圖像;3對(duì)預(yù)處理樣本圖像通過顏色分析方法獲取小麥的生長狀態(tài)信息和病害結(jié)果并反饋給所述智能手機(jī);4所述智能手機(jī)接收所述生長狀態(tài)信息和病害結(jié)果并進(jìn)行顯示。本發(fā)明能實(shí)時(shí)獲取和分析小麥葉片信息,全面反應(yīng)小麥作物生長情況和病蟲害情況,并提高小麥生長狀態(tài)診斷的準(zhǔn)確性。
【專利說明】—種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一種涉及圖像處理領(lǐng)域,具體地說是一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法。
【背景技術(shù)】
[0002]在作物生長的過程中,植物葉片作為植物自身最重要生理器官之一,葉片的顏色變化與作物的氮含量、葉綠素含量有著密不可分的關(guān)系,而氮含量、葉綠素含量又與植物光合速率、營養(yǎng)狀況等密切相關(guān)。而葉片水分信息可以直接反映出整個(gè)植株的水分狀況,從而對(duì)植物水分虧缺情況與植物生理生化反應(yīng)和生長發(fā)育狀況有所反映。一般情況下,使用化學(xué)方法或者專用儀器獲取作物葉片氮含量、葉綠素含量等營養(yǎng)含量;使用烘干法或者專用儀器進(jìn)行作物葉片含水率的測量;或者使用高光譜或者紅外的方法對(duì)圖像葉片含水率進(jìn)行測量。但是這些專業(yè)方法的使用,需要專業(yè)的化學(xué)知識(shí)和實(shí)驗(yàn)操作技能;且檢測儀器價(jià)格相對(duì)較高。
[0003]小麥常見病害的種類很多,其中普遍發(fā)生、危害嚴(yán)重的主要有白粉病、鐵銹病、條銹病等。但是由于農(nóng)作物常見病害的癥狀是復(fù)雜的、模糊的,而植保專家對(duì)常見病害癥狀的描述大多數(shù)采用語言文字,帶有模糊性的敘述,不能采用精確、定量的符號(hào)對(duì)癥進(jìn)行描述,從而形成了作物常見病害診斷標(biāo)準(zhǔn)含糊不清,妨礙了農(nóng)技人員和種植戶對(duì)農(nóng)作物常見病害進(jìn)行正確判斷。
[0004]計(jì)算機(jī)視覺的圖像處理技術(shù)是一種快捷、便利的檢測方法,具有無損傷和實(shí)時(shí)等特點(diǎn),成為植物葉片信息獲取的新手段。但現(xiàn)有技術(shù)中,基于圖像的作物信息獲取方法主要存在以下缺點(diǎn):
[0005]1、對(duì)于野外田間采集的圖像,受到光照強(qiáng)度的影響,可能對(duì)其識(shí)別的精度有一定的影響,缺少預(yù)處理消除光照的影響的過程,從而影響植物葉片信息獲取的準(zhǔn)確率;
[0006]2、現(xiàn)有的基于圖像的作物信息獲取方法,獲取的作物信息比較單一,只獲取作物的葉綠素含量,或者只獲取作物的常見病害情況,不能全面的反應(yīng)作物生長情況;
[0007]3、現(xiàn)有的基于圖像的作物信息獲取方法,大多數(shù)基于計(jì)算機(jī)與掃描儀或者數(shù)碼相機(jī)連接在一起組成采集系統(tǒng),對(duì)于野外大田試驗(yàn)的信息采集處理是有一定困難。
【發(fā)明內(nèi)容】
[0008]本發(fā)明是為避免現(xiàn)技術(shù)所存在的不足之處,提出一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法,能實(shí)時(shí)獲取和分析小麥葉片信息,全面反應(yīng)小麥作物生長情況和病蟲害情況,并提高小麥生長狀態(tài)診斷的準(zhǔn)確性。
[0009]為解決上述技術(shù)問題,本發(fā)明所采用的技術(shù)方案是:
[0010]本發(fā)明一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法的特點(diǎn)是按如下步驟進(jìn)行:[0011]步驟A、智能手機(jī)采集小麥葉片圖像,并傳輸至后臺(tái)服務(wù)器;
[0012]步驟B、所述后臺(tái)服務(wù)器將所接收的小麥葉片圖像利用雙重同態(tài)濾波方法進(jìn)行消除光照影響處理后獲得預(yù)處理樣本圖像;
[0013]步驟C、對(duì)所述預(yù)處理樣本圖像通過顏色分析方法獲取小麥的生長狀態(tài)信息和病害結(jié)果并反饋給所述智能手機(jī);
[0014]步驟D、所述智能手機(jī)接收所述生長狀態(tài)信息和病害結(jié)果并進(jìn)行顯示。
[0015]本發(fā)明圖像顏色特征的小麥生長狀態(tài)診斷方法的特點(diǎn)也在于,
[0016]所述步驟B中的雙重同態(tài)濾波方法是按如下步驟進(jìn)行:
[0017]步驟B1、將所述小麥葉片圖像中的R矩陣、G矩陣和B矩陣進(jìn)行同態(tài)濾波分別獲得色彩均衡化的R矩陣、G矩陣和B矩陣;
[0018]步驟B2、利用所述色彩均衡化的R矩陣、G矩陣和B矩陣分別獲得由色度H矩陣、飽和度S矩陣和亮度I矩陣構(gòu)成的HSI色彩空間矩陣,對(duì)所述亮度I矩陣進(jìn)行同態(tài)濾波用于消除光照影響;
[0019]步驟B3、將所述HSI色彩空間矩陣轉(zhuǎn)換成RGB色彩空間矩陣,獲得所述預(yù)處理樣本圖像。
[0020]所述步驟C中通過顏色分析方法獲取小麥生長信息和病害結(jié)果是如下步驟進(jìn)行:
[0021]步驟Cl、對(duì)所述預(yù)處理樣本圖像利用Otsu閾值分割方法進(jìn)行圖像分割處理獲得葉片信息圖像,并利用R、G、B分量值的比較法進(jìn)行病害圖像分割處理獲得病害葉片圖像;
[0022]步驟C2、對(duì)所述葉片信息圖像提取R均值、G均值、B均值并計(jì)算R均值與G均值之間的差值以及綠色標(biāo)準(zhǔn)化值;
[0023]步驟C3、將所述葉片信息圖像轉(zhuǎn)換為灰度圖像,并提取所述灰度圖像的灰度均值作為灰度的特征參數(shù);
[0024]步驟C4、由所述綠色標(biāo)準(zhǔn)化值建立氮含量的回歸模型,由所述R均值與G均值之間的差值建立葉綠素含量的回歸模型;并根據(jù)灰度均值和G均值建立小麥葉片含水率模型;
[0025]步驟C5、對(duì)所述病害葉片圖像提取R均值、G均值、B均值并以所述G均值為參照值獲得小麥病害特征參數(shù);
[0026]步驟C6、根據(jù)所述小麥病害特征參數(shù)進(jìn)行分類統(tǒng)計(jì)獲得病害種類區(qū)域;
[0027]步驟C7、對(duì)待識(shí)別小麥葉片圖像通所述步驟B、步驟Cl至步驟C3處理后輸入到所述氮含量的回歸模型、葉綠素含量的回歸模型和葉片含水率模型中分別獲得待識(shí)別小麥葉片的氮含量、葉綠素含量和含水率;由所述氮含量、葉綠素含量和含水率構(gòu)成小麥的生長狀態(tài)息;
[0028]步驟CS、對(duì)待識(shí)別小麥葉片圖像通過所述步驟B、步驟Cl和步驟C5獲得所述待識(shí)別小麥葉片圖像的病害特征參數(shù),根據(jù)所述待識(shí)別小麥葉片圖像的病害特征參數(shù)獲得與所述病害種類區(qū)域距離最近的病害種類,從而獲得病害結(jié)果。
[0029]與已有技術(shù)相比,本發(fā)明的有益效果體現(xiàn)在:
[0030]1.本發(fā)明通過對(duì)小麥葉片圖像進(jìn)行分析和診斷,并利用葉片顏色分析方法對(duì)小麥生長狀態(tài)包括小麥葉片的氮含量、葉綠素含量,小麥葉片含水率,以及常見病害情況等相關(guān)作物信息分別建立相應(yīng)識(shí)別模型,綜合包含了小麥大多數(shù)的信息,從而更全面、細(xì)致地反應(yīng)小麥的長勢信息。[0031]2.本發(fā)明使用雙重同態(tài)濾波方法進(jìn)行圖像預(yù)處理減弱光照的影響,在保證圖像色調(diào)飽和度基本不失真的情況下,實(shí)現(xiàn)圖像亮度的不均及校正,從而為葉片識(shí)別提供了較為精準(zhǔn)的預(yù)處理圖像。
[0032]3.本發(fā)明利用手機(jī)用戶普及率高的優(yōu)勢,通過智能手機(jī)獲取小麥葉片圖像,并實(shí)時(shí)傳遞給后臺(tái)服務(wù)器,有利于用戶實(shí)時(shí)了解小麥的長勢和常見病害信息,指導(dǎo)用戶及時(shí)做出相應(yīng)的對(duì)應(yīng)措施,利用智能手機(jī)為作物生長狀態(tài)診斷系統(tǒng)搭載平臺(tái),大大提高了其便攜性和普及性??梢詫F(xiàn)場處理和通過網(wǎng)絡(luò)的遠(yuǎn)程處理有機(jī)地結(jié)合,更有利于作物生長狀態(tài)診斷系統(tǒng)的推廣與應(yīng)用,從而實(shí)現(xiàn)高效快速診斷小麥生長狀態(tài)。
[0033]4.本發(fā)明使用移動(dòng)物聯(lián)網(wǎng)模式即手機(jī)-服務(wù)器模式,有別于現(xiàn)有的獨(dú)立計(jì)算機(jī)、專用設(shè)備、獨(dú)立手機(jī)等模式,兼具圖像信息獲取方便-快捷、可運(yùn)行復(fù)雜程序-精度高、后臺(tái)算法可升級(jí)-用戶透明、性價(jià)比高等特點(diǎn)。
【專利附圖】
【附圖說明】
[0034]圖1為本發(fā)明總體結(jié)構(gòu)框圖;
[0035]圖2為本發(fā)明光照預(yù)處理流程圖;
[0036]圖3為本發(fā)明圖像分析整體流程圖。
【具體實(shí)施方式】
[0037]本實(shí)施例中,一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法,如圖1所示,是按如下步驟進(jìn)行:
[0038]步驟A、智能手機(jī)采集小麥葉片圖像,并傳輸至后臺(tái)服務(wù)器,在本實(shí)施例中,智能手機(jī)作為前端,主要負(fù)責(zé)對(duì)小麥葉片圖像進(jìn)行采集和結(jié)果顯示,后臺(tái)服務(wù)器負(fù)責(zé)圖像預(yù)處理、特征提取和狀態(tài)診斷。
[0039]步驟B、后臺(tái)服務(wù)器將所接收的小麥葉片圖像利用雙重同態(tài)濾波方法進(jìn)行消除光照影響處理后獲得預(yù)處理樣本圖像,對(duì)于前端傳輸?shù)降男←溔~片圖像在進(jìn)行獲取各種參數(shù)信息之前,需要對(duì)其進(jìn)行預(yù)處理操作,使用雙重同態(tài)濾波進(jìn)行預(yù)處理的主要目的是消除或減弱野外大田中對(duì)小麥葉片進(jìn)行采集時(shí)光照強(qiáng)度對(duì)圖像產(chǎn)生的影響;首先通過中值濾波和銳化處理后,然后進(jìn)行同態(tài)濾波消除或者減弱光照的影響,從而完成圖像預(yù)處理操作。同態(tài)濾波是一種在頻域中壓縮圖像亮度范圍和增強(qiáng)圖像對(duì)比度的方法,其基本思想是將圖像的非可加性元素轉(zhuǎn)換成可加性元素,并分別對(duì)元素進(jìn)行濾波。如圖2所示,使用雙重同態(tài)濾波方法進(jìn)行圖像預(yù)處理是按如下步驟進(jìn)行:
[0040]步驟B1、將小麥葉片圖像(即RGB色彩空間矩陣)中的R矩陣、G矩陣和B矩陣進(jìn)行同態(tài)濾波分別獲得色彩均衡化的R矩陣、G矩陣和B矩陣,實(shí)現(xiàn)第一次同態(tài)濾波,獲得的小麥葉片圖像的色彩較為均勻;
[0041]步驟B2、利用色彩均衡化的R矩陣、G矩陣和B矩陣分別獲得由色度H矩陣、飽和度S矩陣和亮度I矩陣構(gòu)成的HSI色彩空間矩陣,對(duì)亮度I矩陣進(jìn)行同態(tài)濾波用于消除光照影響,實(shí)現(xiàn)第二次的同態(tài)濾波過程,由于在HIS色彩空間,亮度分量與圖像的彩色信息無關(guān),所以在對(duì)圖像亮度分量進(jìn)行同態(tài)濾波的過程中,不會(huì)改變圖像的基本色度信息;
[0042]步驟B3、將HSI色彩空間矩陣轉(zhuǎn)換成新的RGB色彩空間矩陣,從而獲得預(yù)處理樣本圖像。由此實(shí)現(xiàn)圖像亮度的不均勻地有效校正,消除或減弱野外大田中對(duì)小麥葉片進(jìn)行采集時(shí)光照強(qiáng)度對(duì)圖像產(chǎn)生的影響。
[0043] 步驟C、對(duì)預(yù)處理樣本圖像通過顏色分析方法獲取小麥的生長狀態(tài)信息和病害結(jié)果并反饋給智能手機(jī),小麥生長狀態(tài)信息包括小麥葉片氮含量、葉綠素含量、葉片含水率等信息,病害結(jié)果主要是小麥的常見病害,包括小麥鐵銹病、條銹病和白粉病這3種常見病害的有效識(shí)別;如圖3所示,基于顏色分析方法獲取小麥生長狀態(tài)和病害結(jié)果按如下步驟進(jìn)行診斷:
[0044]步驟Cl、對(duì)預(yù)處理樣本圖像利用Otsu閾值分割方法進(jìn)行圖像分割處理獲得葉片信息圖像,并利用R、G、B分量值的比較法進(jìn)行病害圖像分割處理獲得病害葉片圖像;
[0045]Otsu閾值分割方法是一種使類間方差最大的自動(dòng)確定閾值的方法,由于其算法具有較為簡單和處理速度比價(jià)快的特點(diǎn),常被用于獲取閾值。
[0046]在小麥的種植過程中,以鐵銹病、條銹病和白粉病這3種小麥常見的常見病害為研究對(duì)象,常見病害圖像分割是從圖像中分離出只包含常見病害像素的圖像,分割的效果直接影響特征提取和常見病害識(shí)別的準(zhǔn)確性。通過分析小麥常見病害的圖像樣本發(fā)現(xiàn),小麥健康葉片部位為綠色,而發(fā)生病變的部位通常為黃色、褐色、白色等非綠色。因此,基于顏色特征進(jìn)行常見病害圖像分割,能夠有效分離出常見病害部位的圖像。
[0047]利用R、G、B分量值的比較法進(jìn)行病害圖像分割處理的過程為:
[0048]首先加載預(yù)處理樣本圖像,該圖像包含的像素?cái)?shù)為MXN,然后遍歷圖像的所有像素點(diǎn)。對(duì)于預(yù)處理樣本圖像中行的每一個(gè)像素點(diǎn)所包含的R、G、B分量值,比較其R、G、B分量值的大小,當(dāng)G>R且G〈B時(shí),判斷為健康部位像素點(diǎn),將該像素點(diǎn)的R、G、B值都置為0,即置為黑色;否則,當(dāng)R>G或B>G時(shí),判斷為常見病害部位像素點(diǎn),保持該像素點(diǎn)的R、G、B分量值不變,從而獲得病害葉片圖像。
[0049]步驟C2、對(duì)葉片信息圖像提取R均值、G均值、B均值的直方圖統(tǒng)計(jì)特征并進(jìn)行R、
G、B的有效組合,從而計(jì)算R均值與G均值之間的差值g —g,以及綠色標(biāo)準(zhǔn)化值—g —;
G-\-B + R
[0050]利用式⑴分別統(tǒng)計(jì)葉片信息圖像的R均值、G均值和B均值的直方圖統(tǒng)計(jì)特征:
【權(quán)利要求】
1.一種基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法,其特征是按如下步驟進(jìn)行: 步驟A、智能手機(jī)采集小麥葉片圖像,并傳輸至后臺(tái)服務(wù)器; 步驟B、所述后臺(tái)服務(wù)器將所接收的小麥葉片圖像利用雙重同態(tài)濾波方法進(jìn)行消除光照影響處理后獲得預(yù)處理樣本圖像; 步驟C、對(duì)所述預(yù)處理樣本圖像通過顏色分析方法獲取小麥的生長狀態(tài)信息和病害結(jié)果并反饋給所述智能手機(jī); 步驟D、所述智能手機(jī)接收所述生長狀態(tài)信息和病害結(jié)果并進(jìn)行顯示。
2.如權(quán)利要求1所述的圖像顏色特征的小麥生長狀態(tài)診斷方法,其特征在是,所述步驟B中的雙重同態(tài)濾波方法是按如下步驟進(jìn)行: 步驟B1、將所述小麥葉片圖像中的R矩陣、G矩陣和B矩陣進(jìn)行同態(tài)濾波分別獲得色彩均衡化的R矩陣、G矩陣和B矩陣; 步驟B2、利用所述色彩均衡化的R矩陣、G矩陣和B矩陣分別獲得由色度H矩陣、飽和度S矩陣和亮度I矩陣構(gòu)成的HSI色彩空間矩陣,對(duì)所述亮度I矩陣進(jìn)行同態(tài)濾波用于消除光照影響; 步驟B3、將所述HSI色彩空間矩陣轉(zhuǎn)換成RGB色彩空間矩陣,獲得所述預(yù)處理樣本圖像。
3.如權(quán)利要求書I所述的基于移動(dòng)互聯(lián)網(wǎng)模式和葉片顏色分析的小麥生長狀態(tài)診斷方法,其特征是,所述步驟C中通過顏色分析方法獲取小麥生長信息和病害結(jié)果是如下步驟進(jìn)行: 步驟Cl、對(duì)所述預(yù)處理樣本圖像利用Otsu閾值分割方法進(jìn)行圖像分割處理獲得葉片信息圖像,并利用R、G、B分量值的比較法進(jìn)行病害圖像分割處理獲得病害葉片圖像; 步驟C2、對(duì)所述葉片信息圖像提取R均值、G均值、B均值并計(jì)算R均值與G均值之間的差值以及綠色標(biāo)準(zhǔn)化值; 步驟C3、將所述葉片信息圖像轉(zhuǎn)換為灰度圖像,并提取所述灰度圖像的灰度均值作為灰度的特征參數(shù); 步驟C4、由所述綠色標(biāo)準(zhǔn)化值建立氮含量的回歸模型,由所述R均值與G均值之間的差值建立葉綠素含量的回歸模型;并根據(jù)灰度均值和G均值建立小麥葉片含水率模型; 步驟C5、對(duì)所述病害葉片圖像提取R均值、G均值、B均值并以所述G均值為參照值獲得小麥病害特征參數(shù); 步驟C6、根據(jù)所述小麥病害特征參數(shù)進(jìn)行分類統(tǒng)計(jì)獲得病害種類區(qū)域; 步驟C7、對(duì)待識(shí)別小麥葉片圖像通所述步驟B、步驟Cl至步驟C3處理后輸入到所述氮含量的回歸模型、葉綠素含量的回歸模型和葉片含水率模型中分別獲得待識(shí)別小麥葉片的氮含量、葉綠素含量和含水率;由所述氮含量、葉綠素含量和含水率構(gòu)成小麥的生長狀態(tài)信息; 步驟C8、對(duì)待識(shí)別小麥葉片圖像通過所述步驟B、步驟Cl和步驟C5獲得所述待識(shí)別小麥葉片圖像的病害特征參數(shù),根據(jù)所述待識(shí)別小麥葉片圖像的病害特征參數(shù)獲得與所述病害種類區(qū)域距離最近的病害種類,從而獲得病害結(jié)果。
【文檔編號(hào)】G06T7/00GK103955938SQ201410206856
【公開日】2014年7月30日 申請(qǐng)日期:2014年5月15日 優(yōu)先權(quán)日:2014年5月15日
【發(fā)明者】江朝暉, 楊春合, 營米, 張靜, 饒?jiān)? 劉連忠, 陳祎瓊 申請(qǐng)人:安徽農(nóng)業(yè)大學(xué)