[發明專利]一種稻瘟病分級系統及其方法

在審

• 申請號: 201910552924.5
• 申請日: 2019-06-25
• 公開（公告）號: CN110310291A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 劉永波;胡亮;曹艷;唐江云;雷波;唐慶祥
• 申請（專利權）人: 四川省農業科學院農業信息與農村經濟研究所
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/143;G06T7/194;G06T7/62;G06T7/90;G06K9/38
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 杜志蘭

1.一種稻瘟病分級系統，其特征在于，所述分級系統包括：

圖像預處理單元，用于提取稻葉圖片中的目標區域并對所述目標區域預處理，經過預處理的圖像為第一圖像；

病斑特征提取單元，用于計算得到全葉的第一像素點面積Img_N和去掉病斑的第二像素點面積Img_n，所述像素點面積Img_n通過反向閾值切割得到去除病斑部分的第二圖像，然后將所述第二圖像進行OTSU二值化獲取所述去掉病斑的第二像素點面積Img_n；

面積占比計算單元，用于將病斑特征提取單元計算得到的所述第一像素點Img_N和所述第二像素點Img_n代入面積占比公式得到面積占比值；

分級單元，用于獲取所述面積占比值，通過比對稻瘟病分級標準得到分級結果。

2.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述反向閾值切割在HSV顏色空間下進行。

3.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述圖像預處理單元中采用GrabCut算法對所述稻葉圖片提取。

4.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述圖像預處理單元采用5*5卷積核的高斯濾波器進行圖像預處理。

5.所述根據權利要求1所述的稻瘟病分級系統，其特征在于，圖像預處理單元中的目標區域，首先由用戶在移動終端手動框選參考區域，所述圖像預處理單元再使用GrabCut算法進行稻葉圖片提取。

6.一種稻瘟病分級方法，其特征在于，所述分級方法包括如下步驟：

S1:移動終端拍攝稻葉圖片，用戶根據拍攝的所述稻葉圖片框選出需要分級的稻葉圖像；

S2：分級系統獲取所述稻葉圖像進行預處理，提取所述稻葉圖像中的目標區域并對所述稻葉圖片預處理，獲得待處理的第一圖像；

S3：分級系統對所述第一圖像作病斑特征提取，分別計算得到全葉的第一像素點面積Img_N和去掉病斑的第二像素點面積Img_n；

所述第一像素點面積Img_N的獲取包括如下步驟：

S311：將所述第一圖像全局進行OTSU二值化；

S312：遍歷循環統計所述第一圖像中的有效像素點得到所述全葉的第一像素點面積Img_N；

所述第二像素點面積Img_n的獲取步驟包括：

S321：將所述第一圖像進行HSV顏色空間轉換；

S322：根據所述HSV顏色空間做色彩分析確定閾值范圍；

S323：對閾值范圍內的所述第一圖像做反向閾值切割獲取病斑外區域圖像；

S324：對所述病斑外區域圖像做OTSU二值化；

S325：遍歷循環統計有效像素點得到第二像素點面積Img_n；

S4：將計算得到的所述第一像素點面積Img_N和所述第二像素點Img_n代入面積占比公式得到面積占比值；

S5：將所述面積占比值通過比對稻瘟病分級標準得到分級結果。

7.根據權利要求1所述的稻瘟病分級方法，其特征在于，S323中的所述反向閾值切割包括如下步驟：根據S322確定的閾值范圍，定義切割范圍最小值為Lower_green，最大值為Upper_green，將反向閾值切割所得部分圖像生成掩模，第一圖像與掩模部分計算獲得去除病斑部分的葉片。

8.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述OTUS二值化包括如下步驟：將第一圖像分為前景和背景兩個圖像，并用ω0、ω1分別表示前景點、背景點所占比例，μ0、μ1分別表示前景、背景灰度均值，則有：

μ＝ω0*μ0+ω1*μ1，

前景與背景的方差為：

g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2，

將μ帶入g則有：

g＝ω0ω1(μ0-μ1)^2。

9.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述面積占比公式為：

10.根據權利要求1所述的稻瘟病分級系統，其特征在于，所述S2中采用GrabCut算法對稻瘟病葉片進行提取，其包括如下步驟：將稻葉圖像中的每一個像素看成圖中的一個節點，然后在稻葉圖像中增加兩個節點，分別為F和B，F代表Foreground前景，而B代表Background背景，每兩個相鄰像素點用一條邊相連，每一個像素點和F點用一條邊相連，每一個像素點和B點也用一條邊相連；最后將圖像切割分成兩部分，第一部分的像素點和F相連為前景，第二部分的像素點和B相連為背景；整幅稻葉圖像的Gibbs能量函數可以表示為公式：

E(α,k,θ,z)＝U(α,k,θ,z)+V(α,z)，

其中，U函數部分表示能量函數的區域數據項，V函數表示能量函數的邊界項，當E不能再減小，趨于某一個恒定的值時，就表示圖像分割完成。