一種農(nóng)作物病情指數(shù)的計(jì)算方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及農(nóng)作物病害防治領(lǐng)域，具體涉及一種農(nóng)作物病情指數(shù)的計(jì)算方法及系 統(tǒng)。
【背景技術(shù)】
[0002] 隨著農(nóng)作物產(chǎn)業(yè)的發(fā)展，農(nóng)作物受病害的危害程度日趨嚴(yán)重。由于病害的診斷基 本上是憑借經(jīng)驗(yàn)和病理學(xué)知識(shí)進(jìn)行分析和判斷，這樣就使得農(nóng)民在農(nóng)作物生產(chǎn)過程中，缺 乏科學(xué)合理使用農(nóng)藥的知識(shí)，導(dǎo)致了農(nóng)藥的誤用和濫用。如果能夠?qū)崿F(xiàn)對(duì)農(nóng)作物病害的自 動(dòng)識(shí)別，準(zhǔn)確地計(jì)算出病情指數(shù)，就能夠針對(duì)病害的具體情況，有選擇性地施藥，減少"地毯 式"大面積農(nóng)藥的噴灑，極大降低了農(nóng)藥的使用量，從源頭上確保了農(nóng)作物生產(chǎn)的安全。
[0003] 病情指數(shù)（DiseaseIndex，DI)又叫發(fā)病指數(shù)，是全面考慮發(fā)病率與嚴(yán)重度的綜合 指標(biāo)，可作為農(nóng)作物作物防治病害的重要依據(jù)。傳統(tǒng)的病情指數(shù)主要是通過田間植保人員 根據(jù)自身經(jīng)驗(yàn)和病理學(xué)知識(shí)實(shí)地調(diào)研計(jì)算得來。該方法不僅工作量大、效率低下，而且受到 植保人員專業(yè)知識(shí)的限制應(yīng)用范圍有限。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了 一種農(nóng)作物病情指數(shù)的計(jì)算方法及系統(tǒng)， 該方法解決了依賴田間植保人員自身經(jīng)驗(yàn)和病理學(xué)知識(shí)計(jì)算農(nóng)作物的病情指數(shù)，導(dǎo)致統(tǒng)計(jì) 結(jié)果不準(zhǔn)確，效率低等問題。
[0005] 第一方面，本發(fā)明提供一種農(nóng)作物病情指數(shù)的計(jì)算方法，包括：
[0006] 獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn)行預(yù)處理；
[0007] 將預(yù)處理后的圖像劃分成多個(gè)子圖像，提取所述子圖像的顏色特征；
[0008] 根據(jù)所述子圖像的顏色特征，通過最小距離分類器識(shí)別所述子圖像的病害種類及 病害級(jí)別；
[0009] 根據(jù)所述子圖像的病害種類及病害級(jí)別，計(jì)算該農(nóng)作物的病情指數(shù)。
[0010] 可選的，所述獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn)行預(yù)處理，包括：
[0011] 獲取農(nóng)作物的圖像，所述圖像中包含農(nóng)作物的葉片；
[0012] 采用交互式圖像分割方法提取所述圖像中的葉片區(qū)域；
[0013] 對(duì)提取的葉片區(qū)域的圖像進(jìn)行濾波、去噪和平滑預(yù)處理。
[0014] 可選的，所述采用交互式圖像分割方法提取所述圖像中的葉片區(qū)域，包括：
[0015] 在所述圖像中選擇圖像的分割點(diǎn)；
[0016] 利用分水嶺圖像分割算法對(duì)所述圖像進(jìn)行分割，并劃分為多個(gè)區(qū)域圖像；
[0017] 提取每個(gè)區(qū)域圖像的顏色直方圖特征；
[0018] 根據(jù)所述每個(gè)區(qū)域圖像的顏色直方圖特征以及確定的葉片區(qū)域圖像和非葉片區(qū) 域圖像的顏色直方圖特征，計(jì)算每個(gè)區(qū)域圖像與葉片區(qū)域圖像的第一相似度，以及該區(qū)域 圖像與非葉片區(qū)域圖像的第二相似度，若所述第一相似度大于所述第二相似度，則將該區(qū) 域圖像作為目標(biāo)區(qū)域的圖像；
[0019] 將多個(gè)目標(biāo)區(qū)域的圖像合并作為葉片區(qū)域的圖像。
[0020] 可選的，所述根據(jù)所述每個(gè)區(qū)域圖像的顏色直方圖特征以及確定的葉片區(qū)域圖像 和非葉片區(qū)域圖像的顏色直方圖特征，計(jì)算每個(gè)區(qū)域圖像與葉片區(qū)域圖像的第一相似度， 以及該區(qū)域圖像與非葉片區(qū)域圖像的第二相似度，包括：
【主權(quán)項(xiàng)】
1. 一種農(nóng)作物病情指數(shù)的計(jì)算方法，其特征在于，包括： 獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn)行預(yù)處理； 將預(yù)處理后的圖像劃分成多個(gè)子圖像，提取所述子圖像的顏色特征； 根據(jù)所述子圖像的顏色特征，通過最小距離分類器識(shí)別所述子圖像的病害種類及病害 級(jí)別； 根據(jù)所述子圖像的病害種類及病害級(jí)別，計(jì)算該農(nóng)作物的病情指數(shù)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn) 行預(yù)處理，包括： 獲取農(nóng)作物的圖像，所述圖像中包含農(nóng)作物的葉片； 采用交互式圖像分割方法提取所述圖像中的葉片區(qū)域； 對(duì)提取的葉片區(qū)域的圖像進(jìn)行濾波、去噪和平滑預(yù)處理。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用交互式圖像分割方法提取所述 圖像中的葉片區(qū)域，包括： 在所述圖像中選擇圖像的分割點(diǎn)； 利用分水嶺圖像分割算法對(duì)所述圖像進(jìn)行分割，并劃分為多個(gè)區(qū)域圖像； 提取每個(gè)區(qū)域圖像的顏色直方圖特征； 根據(jù)所述每個(gè)區(qū)域圖像的顏色直方圖特征以及確定的葉片區(qū)域圖像和非葉片區(qū)域圖 像的顏色直方圖特征，計(jì)算每個(gè)區(qū)域圖像與葉片區(qū)域圖像的第一相似度，以及該區(qū)域圖像 與非葉片區(qū)域圖像的第二相似度，若所述第一相似度大于所述第二相似度，則將該區(qū)域圖 像作為目標(biāo)區(qū)域的圖像； 將多個(gè)目標(biāo)區(qū)域的圖像合并作為葉片區(qū)域的圖像。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述每個(gè)區(qū)域圖像的顏色直方 圖特征以及確定的葉片區(qū)域圖像和非葉片區(qū)域圖像的顏色直方圖特征，計(jì)算每個(gè)區(qū)域圖像 與葉片區(qū)域圖像的第一相似度，以及該區(qū)域圖像與非葉片區(qū)域圖像的第二相似度，包括：
其中，Histc表示區(qū)域圖像C的直方圖，Hist D表示葉片區(qū)域圖像D的直方圖，Hist E表 示非葉片區(qū)域圖像E的直方圖，上標(biāo)u表示R、G、B三種顏色，P (C，D)表示區(qū)域圖像C與葉 片區(qū)域圖像D的第一相似度，P (C，E)表示區(qū)域圖像C與非葉片區(qū)域圖像E的第二相似度， 若P (C，D)大于P (C，E)，則將區(qū)域圖像作為目標(biāo)區(qū)域的圖像。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將預(yù)處理后的圖像劃分成多個(gè)子圖 像，提取所述子圖像的顏色特征，包括： 將預(yù)處理后的圖像歸一化，采用平面劃分算法將所述將預(yù)處理后的圖像劃分成多個(gè)子 圖像； 提取每個(gè)子圖像的R、G、B顏色特征。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述子圖像的顏色特征，通過最 小距離分類器識(shí)別所述子圖像的病害種類及病害級(jí)別，包括： 根據(jù)所述子圖像的顏色特征，獲取所述子圖像的顏色特征值； 將所述子圖像的顏色特征值分別與病害樣本庫中N個(gè)病害圖像的顏色特征值進(jìn)行比 較，并獲得與所述子圖像顏色特征值距離最小的病害樣本庫中的病害圖像的顏色特征值， 以及該顏色特征值對(duì)應(yīng)的病害圖像； 根據(jù)所述病害樣本庫中的病害圖像的病害種類及病害級(jí)別，識(shí)別所述子圖像的病害種 類及病害級(jí)別。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述子圖像的顏色特征值分別與 病害樣本庫中N個(gè)病害圖像的顏色特征值進(jìn)行比較，并獲得與所述子圖像顏色特征值距離 最小的病害樣本庫中的病害圖像的顏色特征值，包括：
其中，gi (X)為子圖像顏色特征值與病害樣本庫中N個(gè)病害圖像的顏色特征值的距離， At,中的i表示多種已知農(nóng)作物病害的第i類，k表示第i類中N個(gè)農(nóng)作物病害圖像樣本中 的第k個(gè)農(nóng)作物病害圖像樣本，at表示第t個(gè)顏色特征值，X表示待識(shí)別的農(nóng)作物病害的圖 像，其中，t = 1，2, 3, i = 1，2, "Sm, m表示病害種類的個(gè)數(shù)； 再從各類病害的最小值中獲取最小值，如下公式：
則&(x)所對(duì)應(yīng)的病害種類和病害級(jí)別為待識(shí)別農(nóng)作物圖像的病害種類和病害級(jí)別。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述子圖像的病害種類及病害 級(jí)別，計(jì)算該農(nóng)作物的病情指數(shù)，包括：
其中，DIv為病情指數(shù)，V為農(nóng)作物病害種類，z為V種類病害所對(duì)應(yīng)的病害級(jí)別，m為 最高病害級(jí)別，F(xiàn)z是病害級(jí)別為z時(shí)的子圖像個(gè)數(shù)，Num為子圖像的總個(gè)數(shù)，Dmax為當(dāng)前子 圖像的最尚病害級(jí)別。
9. 一種農(nóng)作物病情指數(shù)的計(jì)算系統(tǒng)，其特征在于，包括： 圖像獲取模塊，用于獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn)行預(yù)處理； 特征提取模塊，用于將預(yù)處理后的圖像劃分成多個(gè)子圖像，提取所述子圖像的顏色特 征； 病害識(shí)別模塊，用于根據(jù)所述子圖像的顏色特征，通過最小距離分類器識(shí)別所述子圖 像的病害種類及病害級(jí)別； 計(jì)算模塊，用于根據(jù)所述子圖像的病害種類及病害級(jí)別，計(jì)算該農(nóng)作物的病情指數(shù)。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述圖像獲取模塊，具體用于： 獲取農(nóng)作物的圖像，所述圖像中包含農(nóng)作物的葉片； 采用交互式圖像分割方法提取所述圖像中的葉片區(qū)域； 對(duì)提取的葉片區(qū)域的圖像進(jìn)行濾波、去噪和平滑預(yù)處理。
【專利摘要】本發(fā)明公開了一種農(nóng)作物病情指數(shù)的計(jì)算方法及系統(tǒng)，包括：獲取農(nóng)作物的圖像，并對(duì)所述圖像進(jìn)行預(yù)處理；將預(yù)處理后的圖像劃分成多個(gè)子圖像，提取所述子圖像的顏色特征；根據(jù)所述子圖像的顏色特征，通過最小距離分類器識(shí)別所述子圖像的病害種類及病害級(jí)別；根據(jù)所述子圖像的病害種類及病害級(jí)別，計(jì)算該農(nóng)作物的病情指數(shù)。該方法解決了現(xiàn)有技術(shù)中病情指數(shù)計(jì)算依賴田間植保人員自身經(jīng)驗(yàn)和病理學(xué)知識(shí)、統(tǒng)計(jì)結(jié)果不準(zhǔn)確、需要人工計(jì)算等。通過該方法將有助于提高農(nóng)作物病害的防治水平，進(jìn)而促進(jìn)了精準(zhǔn)農(nóng)業(yè)的實(shí)施，而且也為農(nóng)作物病害防治領(lǐng)域提供了新的方法和技術(shù)。
【IPC分類】G06K9-62, G06K9-00, G06K9-34
【公開號(hào)】CN104751122
【申請(qǐng)?zhí)枴緾N201510098883
【發(fā)明人】王志彬, 王開義, 潘守慧, 王書鋒, 劉忠強(qiáng), 楊鋒
【申請(qǐng)人】北京農(nóng)業(yè)信息技術(shù)研究中心
【公開日】2015年7月1日
【申請(qǐng)日】2015年3月5日