[發(fā)明專利]一種農(nóng)作物病害的診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210369782.7
• 申請(qǐng)日: 2012-09-28
• 公開（公告）號(hào): CN102945376A
• 公開（公告）日: 2013-02-27
• 發(fā)明（設(shè)計(jì)）人: 高榮華;吳華瑞;黃鋒;繆祎晟;孫想;顧靜秋;朱華吉
• 申請(qǐng)（專利權(quán)）人: 北京農(nóng)業(yè)信息技術(shù)研究中心
• 主分類號(hào): G06K9/64
• 分類號(hào): G06K9/64;G06K9/46
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)作物病害的診斷技術(shù)領(lǐng)域，特別涉及一種多特征、多參數(shù)融合的農(nóng)作物病害的診斷方法。

背景技術(shù)

我國農(nóng)作物，例如蔬菜的種植面積迅速擴(kuò)大，品種日益增多，栽培方式多樣，復(fù)種指數(shù)提高，特別是大量種植保護(hù)地和反季節(jié)蔬菜，使得多數(shù)蔬菜得以周年生產(chǎn)，很大程度上打破了原有蔬菜作物的生態(tài)系統(tǒng)的平衡，致使蔬菜病蟲害的種類增多。病害圖像診斷的主要技術(shù)是圖像的病害特征分析與提取。例如黃瓜，病害種類多、引起的癥狀呈現(xiàn)多樣性、復(fù)雜性，目前黃瓜病害診斷由植保專家、農(nóng)民憑借經(jīng)驗(yàn)和病理學(xué)知識(shí)進(jìn)行分析和診斷，但由于黃瓜病害程度模糊，診斷缺乏客觀定量的尺度，因此在進(jìn)行黃瓜病害診斷時(shí)常常出現(xiàn)偏差，造成病害種類判斷錯(cuò)誤，濫用農(nóng)藥進(jìn)行防治，導(dǎo)致環(huán)境污染，對(duì)人們的身體健康及生活環(huán)境造成極大的威脅。要想達(dá)到對(duì)各種病癥準(zhǔn)確無誤的識(shí)別，只憑借人的視覺系統(tǒng)的觀察和經(jīng)驗(yàn)不足以說明識(shí)別的科學(xué)性。

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、人工智能、圖像識(shí)別、決策支持系統(tǒng)等高新技術(shù)的發(fā)展，通過各種成像系統(tǒng)采集病害圖像信息，結(jié)合計(jì)算機(jī)視覺技術(shù)與蔬菜病蟲害診斷專家系統(tǒng)，由計(jì)算機(jī)利用圖像處理技術(shù)提取、理解采集對(duì)象的病害特征，結(jié)合各種模式識(shí)別算法，實(shí)現(xiàn)對(duì)病害圖像顏色、紋理特征的的定量、定性描述和分析，排除人為主觀干擾，為實(shí)現(xiàn)我國蔬菜作物自動(dòng)化管理提供一定理論依據(jù)，對(duì)確保蔬菜質(zhì)量安全、農(nóng)業(yè)生態(tài)環(huán)境安全和農(nóng)業(yè)生產(chǎn)者安全具有十分重要的作用，對(duì)促進(jìn)農(nóng)業(yè)及農(nóng)業(yè)產(chǎn)業(yè)化的發(fā)展，具有重大意義。

農(nóng)作物病害的癥狀不僅體現(xiàn)在葉片上，在葉片正常的情況下，果實(shí)與莖部都有可能呈現(xiàn)較為明顯的病害癥狀，現(xiàn)有技術(shù)中僅針對(duì)葉片進(jìn)行診斷的農(nóng)作物病害的診斷方法無法滿足實(shí)際要求，亟需一種能夠準(zhǔn)確診斷農(nóng)作物病害的方法。

發(fā)明內(nèi)容

（一）所要解決的技術(shù)問題

本發(fā)明的目的是提出一種農(nóng)作物病害的診斷方法，通過該方法克服單一圖像特征無法準(zhǔn)確描述病害特征的不足，提高病害診斷效率，增強(qiáng)病害診斷準(zhǔn)確性。

（二）技術(shù)方案

本發(fā)明提供農(nóng)作物病害的診斷方法，方法包括：

A、采集農(nóng)作物所在地的土壤溫濕度信息和農(nóng)作物的圖像信息；

B、從采集到的農(nóng)作物的圖像信息中提取圖像顏色和紋理特征，并建立所述農(nóng)作物的圖像病害模型；

C、根據(jù)所述圖像病害模型和土壤溫濕度信息在預(yù)設(shè)的病害圖像關(guān)系庫中尋找病害種類及防治方法，所述病害圖像關(guān)系庫是圖像病害模型和土壤溫濕度與病害的對(duì)應(yīng)關(guān)系庫。

優(yōu)選的，該方法還包括提前預(yù)警步驟：采集農(nóng)作物周邊環(huán)境因子，根據(jù)環(huán)境因子異常與可能發(fā)生的病害之間的關(guān)系，提前預(yù)警。

優(yōu)選的，農(nóng)作物周邊環(huán)境因子包括：光照、CO₂濃度、溫度和濕度

優(yōu)選的，采用傳感器采集農(nóng)作物所在地土壤溫濕度信息、農(nóng)作物的圖像信息和農(nóng)作物周邊環(huán)境因子。

優(yōu)選的，所述步驟A中采集農(nóng)作物所在地土壤參數(shù)信息和農(nóng)作物的圖像信息具體包括：

實(shí)時(shí)采集農(nóng)作物所在地土壤參數(shù)信息和農(nóng)作物的圖像信息。

優(yōu)選的，所述從采集到的農(nóng)作物的圖像信息中提取圖像顏色特征具體包括：

C11、將顏色量從RGB空間轉(zhuǎn)換到Gaussian光譜模型，得到能量分布一級(jí)對(duì)于波長的導(dǎo)數(shù)；

C12、在圖像平面的位置定義了反射光譜；其中包含反應(yīng)物體真實(shí)顏色的物體材料反射率；

C13、對(duì)圖像空間位置求導(dǎo)，忽略環(huán)境光照，對(duì)圖像中的每一個(gè)像素得到與環(huán)境光照無關(guān)的顏色特征。

優(yōu)選的，所述從采集到的農(nóng)作物的圖像信息中提取圖像紋理特征具體包括：

C21、對(duì)黃瓜病害灰度圖像進(jìn)行離散Gabor小波變換;

C22、基于上述小波變換，在不同方向與尺度上計(jì)算黃瓜病害圖像濾波后的系數(shù)幅度序列，分別計(jì)算出不同方向和尺度上的系數(shù)幅度序列的均值和標(biāo)準(zhǔn)差，作為黃瓜病害圖像的紋理特征。

優(yōu)選的，所述步驟B還進(jìn)一步包括綜合顏色特征和紋理特征，組成聯(lián)合特征的步驟。

優(yōu)選的，所述綜合顏色和紋理特征具體包括：

對(duì)所述顏色和紋理特征分別進(jìn)行高斯歸一化處理，通過線性化關(guān)系將它們?nèi)诤系揭黄穑喝诤蠄D像特征=α×歸一化顏色特征+β×歸一化紋理特征，其中α,β分別為顏色特征與紋理特征所占的權(quán)值，根據(jù)不同圖像的顏色、紋理特征動(dòng)態(tài)調(diào)整權(quán)值。