[发明专利]小麦赤霉病检测专属病情指数构建方法及其应用

权利要求书

1.一种基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：包括如下步骤：

(S1)利用高光谱相机拍摄待检测小麦麦穗的高光谱图像；

(S2)获取待检测小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；

(S3)选取所有波段中的红绿蓝三个波段组合并输出得到待检测小麦麦穗的RGB图像；

(S4)利用图像分割算法对步骤S3中的RGB图像进行图像分割，得到待检测小麦麦穗的坐标位置；

(S5)计算待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI：

式中，R_λ1和R_λ2分别为特征波段λ₁和λ₂处的光谱反射率值；

(S6)将待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI与设定阈值T进行比较，记专属病情指数FDI＜T的像素个数为a，专属病情指数FDI≥T的像素个数为b；

(S7)待检测小麦麦穗的病害等级W＝a/(a+b)。

2.如权利要求1所述的基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：所述的步骤S1中，高光谱相机是波段范围为374-1040nm的光谱仪，光谱分辨率为2.3nm，光谱波段为260个；所述的步骤S5中，特征波段λ₁和λ₂分别是661nm波段和563nm波段；所述的步骤S6中，阈值T等于0.01。

3.如权利要求1所述的基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：所述的步骤S5中，特征波段λ₁和λ₂按如下步骤筛选得出：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段λ₁和λ₂。

4.如权利要求3所述的基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：步骤C中，对于样本中每个小麦麦穗，按如下步骤将其高光谱图像处理为光谱曲线：(C1)获取该小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；(C2)选取所有波段中的红绿蓝三个波段组合并输出得到该小麦麦穗的RGB图像；(C3)利用图像分割算法对步骤C2中的RGB图像进行图像分割，得到该小麦麦穗的坐标位置；(C4)将该小麦麦穗坐标位置处的所有波段对应的光谱反射率进行加和后求取平均值，得到该小麦麦穗的光谱曲线。

5.如权利要求3所述的基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：所述的步骤D中，包括以下步骤：

(D11)对样本中多个小麦麦穗的光谱曲线进行曲线平滑滤波；

(D12)将平滑后的多个光谱曲线代入到随机森林算法中，筛选出所有波段的权重值大小，得到光谱权重大小曲线；

(D13)在光谱权重大小曲线中，选取正向权重值最大位置的波段作为特征波段λ₁，选取负向权重值最小位置的波段作为特征波段λ₂。

6.如权利要求3所述的基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：所述的步骤D中，包括以下步骤：

(D21)对样本中多个小麦麦穗的光谱曲线进行曲线平滑滤波；

(D22)将平滑后的多个光谱曲线代入到随机森林算法中，筛选出所有波段的权重值大小，得到光谱权重大小曲线；

(D23)在光谱权重大小曲线中，选取极值权重对应的多个波段λ₁，λ₂，λ₃，…，λ_n；

(D24)将多个波段两两组合构建多个病情指数FDI_i，j：

式中，R_λi和R_λj分别为波段λ_i和λ_j处的光谱反射率值，i，j∈[1，2，...，n]且i≠j；

(D25)用每一个专属病情指数FDI_i，j预测小麦赤霉病病害等级的结果与真实的小麦赤霉病病害等级结果进行线性回归分析得到决定系数R²；

(D26)选择决定系数R²最大值对应的两个波段作为特征波段λ₁和λ₂。