[發明專利]基于機器學習和高光譜成像的多種類柑橘病葉識別方法及系統

在審

• 申請號: 202110087395.3
• 申請日: 2021-01-22
• 公開（公告）號: CN112903602A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 吳葉蘭;陳怡宇;管慧寧;劉杰;廉小親
• 申請（專利權）人: 北京工商大學
• 主分類號: G01N21/25
• 分類號: G01N21/25;G06K9/62;G06K9/32;G06T7/00
• 代理公司: 北京北新智誠知識產權代理有限公司 11100
• 代理人: 朱麗華

本發明技術方案公開一種基于機器學習和高光譜成像的多種類柑橘病葉識別方法及系統，獲取五類柑橘病葉的高光譜信息，包括正常葉片、潰瘍病葉片、除草劑危害葉片、紅蜘蛛危害葉片和煤煙病葉片；將光譜信息作為實驗樣本，對實驗樣本進行預處理和特征波長提取，采用支持向量機和隨機森林算法設計病葉識別模型，實現柑橘病葉分類識別。本發明的優點是結合高光譜成像和機器學習技術對多種類柑橘病葉進行分類識別，得到五類柑橘病葉最佳分類模型，為柑橘生長狀況監測及病蟲害識別提供一種有效的無損檢測方法。

技術領域

本發明屬于高光譜成像技術領域，具體涉及一種基于機器學習和高光譜成像的多種類柑橘病葉識別方法及系統。

背景技術

柑橘產業是我國農村經濟的支柱產業之一，在生長過程中容易受到病菌侵染和害蟲侵蝕，從而使其新陳代謝受到影響，內部結構會發生改變，如葉片細胞的活性、含水量、葉綠素含量等生理特性發生變化，外部呈現反常的病害癥狀，如腐爛、斑點、霉斑、蟲蛀等，這些病變將造成柑橘品質降低。如柑橘潰瘍病病原屬于細菌，感染后輕則果皮呈現疤痕、果熟后不耐貯藏易腐爛，重則導致落果；除草劑輕則導致柑橘葉片生長緩慢，重則導致枯萎死亡；柑橘紅蜘蛛吸食葉片、果實汁液，引起落葉、落果；煤煙病由多種真菌引起，發病初期，表面出現暗褐色點狀小霉斑，后繼續擴大成絨毛狀黑色或灰黑色霉層。病蟲害的發生會影響柑橘的產量及質量，嚴重會造成經濟損失。因此，研究一種精準的柑橘病蟲害檢測方法在實際生產過程中有重要意義。

傳統的柑橘病蟲害檢測方法主要有人工檢測方法，根據種植戶或專業人員的經驗知識來判斷患病與否，主觀性強；病理分析法，對柑橘的生物化學性質分析檢測，周期長，成本高。高光譜成像技術利用成像光譜儀以數十至數百個連續細分的波段對目標區域同時成像，將圖像與光譜結合，同時獲取空間及光譜信息，得到以像素為單位的高光譜圖像。利用高光譜數據圖譜合一且波段覆蓋范圍廣的特性，能夠大大地提高其對目標的分辨識別能力。目前還沒有將機器學習和高光譜成像技術結合對多種柑橘病蟲害進行檢測的研究。

發明內容

本發明提供一種基于機器學習和高光譜成像的多種類柑橘病葉識別方法及系統，采用高光譜成像技術，結合光譜預處理方法，提取特征波長，采用支持向量機和隨機森林兩類機器學習模型，實現多種類柑橘病葉的分類識別。

為實現上述目的，本發明技術方案提供了一種基于機器學習和高光譜成像的多種類柑橘病葉識別方法，包括：

一種基于機器學習和高光譜成像的多種類柑橘病葉識別方法，所述方法包括：

獲取柑橘病葉的高光譜圖像，其中所述柑橘葉片包括正常葉片、潰瘍病葉片、除草劑危害葉片、紅蜘蛛危害葉片和煤煙病葉片；

將所述高光譜圖像的像素亮度值轉換為反射率值；

提取所述轉換后的高光譜圖像對應的光譜信息并作為實驗樣本；

對所述實驗樣本進行預處理；

提取所述預處理后的實驗樣本的特征波長；利用所述預處理后的實驗樣本或所述特征波長構建訓練樣本集，根據所述訓練樣本集構建多種類柑橘病葉識別模型；

采用構建完成的識別模型進行多種類柑橘病葉識別。

在一實施例中，“提取所述轉換后的高光譜圖像對應的光譜信息并作為實驗樣本”，包括：

獲取所述轉換后的高光譜圖像的有效光譜范圍；

識別所述轉換后的高光譜圖像中的發病區；

根據所述發病區獲取固定大小的感興趣區域；

以所述感興趣區域內每個像素的反射率值作為所述實驗樣本。

在一實施例中，“對所述實驗樣本進行預處理”，包括：

按下式所示的方法對所述實驗樣本進行一階求導：