[發(fā)明專利]一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202210979627.0
• 申請日: 2022-08-16
• 公開（公告）號: CN115147837B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計）人: 安靜杰;郭江龍;高占林;李耀發(fā);黨志紅
• 申請（專利權(quán)）人: 河北省農(nóng)林科學(xué)院植物保護研究所
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/74;G06V10/44;G06V10/30
• 代理公司: 佛山粵進知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44463
• 代理人: 王余錢

1.一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法，其特征在于，包括：

獲取二點委夜蛾生長圖像數(shù)據(jù)，根據(jù)圖像數(shù)據(jù)進行蟲害感染預(yù)測，得到生長異常信息；

根據(jù)生長異常信息將二點委夜蛾進行篩選與分組，并獲取二點委夜蛾光學(xué)顯微圖像；

將光學(xué)顯微圖像導(dǎo)入微孢子蟲識別模型進行蟲害識別并得到第一微孢子蟲感染信息；

根據(jù)微孢子蟲感染信息，將二點委夜蛾進行組間篩選與飼養(yǎng)，并獲取第二代二點委夜蛾的光學(xué)顯微圖像，將所述第二代二點委夜蛾的光學(xué)顯微圖像導(dǎo)入微孢子蟲識別模型進行二次蟲害識別得到第二微孢子蟲感染信息；

根據(jù)第二微孢子蟲感染信息進行二次組間篩選與合并，得到二點委夜蛾健康組。

2.根據(jù)權(quán)利要求1所述的一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法，其特征在于，所述獲取二點委夜蛾生長圖像數(shù)據(jù)，根據(jù)圖像數(shù)據(jù)進行蟲害感染預(yù)測，得到生長異常信息，具體為：

獲取二點委夜蛾生長圖像數(shù)據(jù)；

根據(jù)二點委夜蛾生長期，將生長圖像數(shù)據(jù)進行數(shù)據(jù)劃分，得到三組生長圖像數(shù)據(jù)；

獲取歷史對比圖像數(shù)據(jù)，將歷史對比圖像數(shù)據(jù)與三組生長圖像數(shù)據(jù)進行圖像特征值對比分析，得到生長完成度信息；

根據(jù)生長完成度信息與預(yù)設(shè)對比完成度信息進行分析比較，得到生長異常信息。

3.根據(jù)權(quán)利要求1所述的一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法，其特征在于，所述根據(jù)生長異常信息將二點委夜蛾進行篩選與分組，并獲取二點委夜蛾光學(xué)顯微圖像，具體為：

根據(jù)生長異常信息，將生長異常的二點委夜蛾進行清除；

獲取生長正常的二點委夜蛾并進行分組與編號，將每組二點委夜蛾進行光學(xué)顯微檢測，得到二點委夜蛾光學(xué)顯微圖像。

4.根據(jù)權(quán)利要求1所述的一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法，其特征在于，所述將光學(xué)顯微圖像導(dǎo)入微孢子蟲識別模型進行蟲害識別并得到第一微孢子蟲感染信息，之前包括：

從大數(shù)據(jù)中獲取微孢子蟲圖像數(shù)據(jù)；

根據(jù)所述微孢子蟲圖像數(shù)據(jù)進行圖像平滑、降噪預(yù)處理，并獲取微孢子蟲的輪廓特征數(shù)據(jù)和形狀大小特征數(shù)據(jù)；

將輪廓特征數(shù)據(jù)和形狀大小特征數(shù)據(jù)作為微孢子蟲的識別特征數(shù)據(jù)，將所述識別特征數(shù)據(jù)進行數(shù)據(jù)劃分，得到訓(xùn)練組數(shù)據(jù)與驗證組數(shù)據(jù)；

構(gòu)建微孢子蟲識別模型，將訓(xùn)練組數(shù)據(jù)與驗證組數(shù)據(jù)導(dǎo)入微孢子蟲識別模型進行特征數(shù)據(jù)的訓(xùn)練與驗證，直至微孢子蟲識別模型達到預(yù)設(shè)識別標(biāo)準(zhǔn)。

5.根據(jù)權(quán)利要求1所述的一種基于光學(xué)圖像識別的二點委夜蛾飼養(yǎng)方法，其特征在于，所述將光學(xué)顯微圖像導(dǎo)入微孢子蟲識別模型進行蟲害識別并得到第一微孢子蟲感染信息，具體為：

獲取光學(xué)顯微圖像，將所述光學(xué)顯微圖像進行圖像平滑、降噪預(yù)處理，并得到增強顯微圖像；

將所述增強顯微圖像進行微生物識別與輪廓特征提取，得到光學(xué)顯微圖像特征值；

將光學(xué)顯微圖像特征值導(dǎo)入微孢子蟲識別模型進行特征識別，并計算出特征相似度與微孢子蟲感染指數(shù)；

將特征相似度與微孢子蟲感染指數(shù)進行信息合并得到第一微孢子蟲感染信息；

其中，特征相似度計算公式具體為：

其中，S為特征相似度，M為光學(xué)顯微圖像特征總像素，O(i)為光學(xué)顯微圖像第i個像素的特征值，N為驗證圖像數(shù)據(jù)總像素，Y(j)為第j個像素的驗證特征值，P_C為驗證修正系數(shù)；

微孢子蟲感染指數(shù)計算公式具體為：

其中，D為微孢子蟲感染指數(shù)，Z為相似度總個數(shù)，G(e)為第e個相似度的具體數(shù)值，K為感染修正系數(shù)。