[發明專利]一種基于多特征及支持向量機的植物病蟲害檢測方法在審
| 申請號: | 201710304502.7 | 申請日: | 2017-05-03 |
| 公開(公告)號: | CN107346434A | 公開(公告)日: | 2017-11-14 |
| 發明(設計)人: | 鞠愛寧;韓軍;劉存原;彭新俊;湯踴;尚裕之;俞玉瑾 | 申請(專利權)人: | 上海大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/46 |
| 代理公司: | 上海上大專利事務所(普通合伙)31205 | 代理人: | 陸聰明 |
| 地址: | 200444*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 特征 支持 向量 植物 病蟲害 檢測 方法 | ||
技術領域
本發明涉及圖像處理、機器學習技術領域,具體涉及一種基于多特征及支持向量機的植物病蟲害檢測方法。
背景技術
我國是一個自然災害、尤其是農作物病蟲害頻繁發生的農業大國,農作物病蟲災害種類多、頻度高、危害大,是農業增產和農產品質量提高的重要制約因素。診治植物病蟲害關系到農業生產安全、農產品質量安全以及生態環境安全,所以植物病蟲害檢測方法的研究具有非常重要的理論價值和實際意義。
植物病蟲害檢測作為一門跨學科的前沿技術,融合了農業的植物生長,計算機行業的圖像處理、人工智能、機器學習、模式識別等多種不同領域的理論知識。在農業大棚植物病蟲害檢測領域中有著廣闊的應用前景。
植物病蟲害檢測是判斷農業大棚里的植物的葉片在生長過程中是否發生病蟲害。在植物病蟲害檢測方法的研究上,大致有兩種思路:一是實際采集相應的植物葉片樣本,對植物病蟲害進行機理分析,判斷其是否具有病蟲害;二是利用人工智能、機器學習等計算機分析手段,結合專家數據庫,建立植物葉片病蟲害模型,實現植物葉片病蟲害的檢測。
圍繞上述這兩種思路,產生了一系列植物病蟲害檢測的方法。傳統的植物病蟲害檢測是由農戶或檢測員根據實際種植經驗實地觀測或看照片完成的,雖然具有很高的識別率與識別速度,但是成本高,且人工工作量大、覆蓋面不足,因此實現自動化檢測對標準化和規范化管理都有重要的意義。第二種方法是化學檢測,化學檢測主要用于實驗室,利用植物葉片的化學成份分析識別病蟲害,具有準確可靠的優點,但由于檢測設備昂貴,操作復雜,安裝調試困難,檢測時間長,對普通農戶來說不太適用,并沒有普遍推廣使用。第三種技術是光譜技術檢測,光譜圖像分析技術是利用光學、化學計量學、計算機技術、光譜數據處理和數據關聯技術的綜合,實現植物葉片的病蟲害分析。光譜能夠直接反映分子內部結構和運動狀態,特征性強,靈敏度高,在工、農業和科學研究中廣泛應用,但這種技術容易受到環境水分的影響。第四種方法是圖像處理技術檢測,圖像處理技術通過分析植物葉片圖像的顏色、紋理等信息,從而檢測是否有病蟲害發生,但由于病蟲害種類繁多,圖像質量受關照影響較大等原因,無法達到令人滿意的檢測精度。
目前也存在一些方法用于植物病蟲害的檢測,如國內鄭永軍和吳剛等基于模糊模式的蝗蟲圖像識別方法,采用低空機載蝗蟲預警系統技術,使用數碼相機采集蝗蟲圖像,對蝗蟲區域和背景的RGB分量平均值進行對比分析,選用超G絕對值法進行灰度轉換,實現蝗蟲與背景分離。通過面積統計對比,確定單個蝗蟲的面積和周長特征,建立單個蝗蟲模糊集和粘連重疊蝗蟲區域模糊集,采用最大隸屬度原則可以判定蝗蟲連通區域為單個蝗蟲或是存在圖像粘連重疊,用模糊識別方法對單個和粘連重疊的區域分別計算數量。還有浙江大學趙蕓的基于高光譜和圖像處理技術的油菜病蟲害早期監測方法和機理研究,以受主要病害菌核病和主要蟲害菜青蟲危害后的油菜植株為研究對象,提出一套受害油菜葉片關鍵信息的提取方法:根據病斑像素的高光譜數據提取葉片受病害時長信息;通過將殘余葉片復原,獲取葉片受蟲害程度信息;將數字圖像處理技術與高光譜成像技術結合,提取受蟲害葉片的完整葉脈,使得對葉脈的研究在不健康葉片上也能展開。國外的AI-Hiary H和Bani-Ahmad S在2011年提出了一種快速且準確識別和分類植物病蟲害的方法,在圖像分割階段之后連續添加了兩個步驟,在識別了大多數有色像素之后,使用Otsu方法計算特定閾值來掩蓋這些像素,然后將邊界上的受影響的對象的像素完全清除掉,實驗結果表明,該算法可以成功地檢測和分類檢查的疾病,精度在83%和94%之間。溫長吉和王生生等在基于改進蜂群算法優化神經網絡的玉米病害圖像分割一文中,提出一種脈沖耦合神經網絡圖像分割算法,該算法以最大香農熵和最小交叉熵加權線性組合作為蜂群算法收益度評價函數,通過引入尺度因子調整引領蜂和跟隨蜂的解搜索策略,改進后人工蜂群算法與脈沖耦合神經網絡相結合,實現網絡參數的自動優化調節。在RGB色彩子空間上將該算法用于一組玉米常見病害彩色圖像分割,并借鑒利用彩色圖像合并策略得到最終病害分割結果。張靜、王雙喜、董曉志等研究植物病害圖像中葉片紋理特征值的提取方法,通過對溫室黃瓜斑疹病和角斑病的處理研究發現,利用灰度共生矩陣方法提取出來的慣性值是識別這兩種病害較好的特征參量之一。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海大學,未經上海大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710304502.7/2.html,轉載請聲明來源鉆瓜專利網。





