[發(fā)明專利]基于多光譜圖像處理的水稻稻葉瘟病檢測分級(jí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200910097341.4
• 申請(qǐng)日: 2009-04-09
• 公開（公告）號(hào): CN101539531A
• 公開（公告）日: 2009-09-23
• 發(fā)明（設(shè)計(jì)）人: 何勇;馮雷;孫光明
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G01N21/88
• 分類號(hào): G01N21/88;G06T7/00
• 代理公司: 杭州求是專利事務(wù)所有限公司
• 代理人: 林懷禹

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于多光譜圖像處理的水稻稻葉瘟病檢測分級(jí)方法。

背景技術(shù)

稻瘟病是水稻生產(chǎn)上最主要的病害之一，廣泛分布于世界各稻作區(qū)，水稻 的整個(gè)生育期都可發(fā)病，造成大面積的危害，流行年份一般減產(chǎn)10％～20％，嚴(yán) 重的達(dá)40％～50％。其中，尤以稻葉瘟和稻穗瘟引起的損失最大。葉瘟的年發(fā) 病率在40％至50％；重的可達(dá)80％；穗頸瘟可達(dá)50％。稻瘟病菌群體組成復(fù) 雜，且變異較快，抗瘟品種推廣3-5年后往往失去抗性。而在目前農(nóng)藥防治中， 病情數(shù)據(jù)采集是依靠人眼進(jìn)行病情分級(jí)測報(bào)。葉瘟病情的分級(jí)以包括病斑的顯 現(xiàn)以及病斑占葉片的面積比例為尺度，劃分標(biāo)準(zhǔn)要求比較精確，不同病情級(jí)別 之間的病斑危害面積與葉面積的比值指標(biāo)僅相差1％，普通人很難進(jìn)行準(zhǔn)確的病 情區(qū)分。即使是專家肉眼分析評(píng)判，也需要花費(fèi)大量時(shí)間和精力，效率不高。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于多光譜圖像處理的水稻稻葉瘟病檢測分級(jí) 方法，以稻瘟病菌作為病原物，分析基于感病水稻葉片的多光譜圖像，確定稻 葉稻檢測的圖像特征，建立能準(zhǔn)確反映稻葉瘟病害的檢測模型和病害程度的定 量描述模型，對(duì)稻葉瘟進(jìn)行早期、準(zhǔn)確、非破壞性診斷。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

利用多光譜圖像檢測平臺(tái)，采集到水稻的紅色、綠色及近紅外三個(gè)通道的 冠層灰度圖像信息，采用Matlab軟件實(shí)現(xiàn)的稻葉瘟檢測的多光譜圖像處理算法， 包括背景噪聲的消除和枯葉的灰度分析，基于Matlab的圖像處理過程，分為以 下五個(gè)步驟：

1)利用在近紅外圖像中，冠層葉面與背景圖像的灰度值差異較大的特性，將 背景和冠層葉面圖像分離；同時(shí)計(jì)算出冠層葉面在圖像的像素點(diǎn)值；

2)利用在紅通道圖像中，枯黃部位葉面與健康部位葉面灰度值差異較大的特 性，將枯黃部位葉面與健康部位葉面圖像分離，標(biāo)記枯黃葉面區(qū)域；

3)在紅通道圖像中，利用葉尖判定算法，將枯黃葉尖與其它枯黃部位葉面圖 像分離；

4)在紅、綠通道圖像中，根據(jù)稻瘟病菌侵入機(jī)理，利用枯黃葉尖邊緣灰度值 差異判定算法，將自然枯黃葉尖與發(fā)病枯黃葉尖圖像分離；同時(shí)計(jì)算出發(fā)病葉 面在圖像的像素點(diǎn)值；

5)根據(jù)發(fā)病部位葉面積與冠層總?cè)~面積像素點(diǎn)的比值，計(jì)算得出該圖像中葉 瘟病害的評(píng)價(jià)等級(jí)。

本發(fā)明具有的有益效果是：

本發(fā)明主要用于快速、準(zhǔn)確、穩(wěn)定、實(shí)時(shí)、非破壞性的水稻稻瘟病感染診 斷并且準(zhǔn)確地指出病斑所在的位置以及感染程度分級(jí)，減少由于全面噴灑而造 成的藥物用量，降低生產(chǎn)成本并減少污染，為變量噴藥提供數(shù)據(jù)支持，提高精 確噴藥的決策水平，實(shí)現(xiàn)精細(xì)農(nóng)業(yè)起到積極的作用。

附圖說明

圖1是枯黃葉尖的判定方法示意圖。

圖2是可見/近紅外多光譜圖像水稻稻瘟病診斷分級(jí)的流程圖。

具體實(shí)施方式

本研究的多光譜圖像水稻稻瘟病診斷方法的圖像采集：3CCD攝相機(jī)通過可 調(diào)節(jié)角度、高度、移動(dòng)底座的三腳架、屋頂可沿設(shè)計(jì)軌跡移動(dòng)的懸掛機(jī)構(gòu)或安 裝有可調(diào)節(jié)機(jī)械伸展臂高度、角度的車輛固定，分別用于室內(nèi)及室外使用。植 物和標(biāo)定板的可見/近紅外多光譜的圖像采集所用的燈源為日光，當(dāng)室內(nèi)無陽光 時(shí)采用人工光源。

采集到的多光譜圖像信息同時(shí)包含紅色、綠色及近紅外三個(gè)通道的灰度圖 像信息。多光譜攝像機(jī)分別通過RS-232串口線及圖像采集卡數(shù)據(jù)線與計(jì)算機(jī)相 連接。由RS-232串行口控制圖像信息的采集，通過圖像采集卡輸入計(jì)算機(jī)。通 過分析植物冠層圖像三個(gè)通道的信息，分離土壤背景，去除泥土、枯葉等干擾 因素，提取病害信息，最后診斷植物是否感染病害及病癥出現(xiàn)的位置(標(biāo)定和 診斷均由Matlab編寫的應(yīng)用軟件完成)并計(jì)算得出該圖像中葉瘟病害的評(píng)價(jià)等 級(jí)。

利用多光譜圖像檢測平臺(tái)，采集到水稻的紅色、綠色及近紅外三個(gè)通道的 冠層灰度圖像信息，利用3CCD可見/近紅外多光譜攝像機(jī)實(shí)時(shí)采集綠光波段 (550nm±40nm)，紅光波段(650nm±40nm)，近紅外波段(800nm±40nm)三個(gè)波段通 道的單色灰度圖像，采用Matlab軟件實(shí)現(xiàn)的稻葉瘟檢測的多光譜圖像處理算法， 包括背景噪聲的消除和枯葉的灰度分析，基于Matlab的圖像處理過程，分為以 下五個(gè)步驟：