[发明专利]农作物病虫害识别方法、装置、设备及介质

说明书

本发明实施例提供一种农作物病虫害识别方法、装置、设备及介质。该方法包括：获取第一农作物图像；对第一农作物图像进行RGB通道分离，得到R通道图像、G通道图像和B通道图像；对R通道图像、G通道图像和B通道图像进行二值化处理，得到R通道二值图、G通道二值图和B通道二值图；基于R通道二值图、G通道二值图和B通道二值图进行区块Blob分析，确定病虫害位置，并生成病虫害数据；将病虫害数据输入决策树模型，确定病虫害类型。如此能够快速确定病虫害位置与类型，提高识别准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种农作物病虫害识别方法、装置、设备及介质。

背景技术

随着农作物种植面积的不断增大，在农作物的生长过程中，或多或少会出现许多病虫害，如不能及时识别处理病虫害，将会严重影响农作物的生长。

目前，针对农作物病虫害的识别主要包括人工识别、基于神经网络迁移学习进行识别等方式。

但是，人工识别方式通常是人员在种植园区进行目视，凭借个人经验进行病虫害的识别。由此可知，该方式比较依赖个人经验且耗时长，效率较低。另外，基于神经网络迁移学习进行识别的方式容易造成过拟合现象，不利于病虫害识别。

发明内容

本发明实施例提供了一种农作物病虫害识别方法、装置、设备及介质，能够快速确定病虫害位置与类型，提高识别准确率。

第一方面，本发明实施例提供一种农作物病虫害识别方法，该方法包括：获取第一农作物图像；对第一农作物图像进行RGB通道分离，得到R通道图像、G通道图像和B通道图像；对R通道图像、G通道图像和B通道图像进行二值化处理，得到R通道二值图、G通道二值图和B通道二值图；基于R通道二值图、G通道二值图和B通道二值图进行区块(Blob)分析，确定病虫害位置，并生成病虫害数据；将病虫害数据输入决策树模型，确定病虫害类型。

在第一方面的一些可实现方式中，获取第一农作物图像，包括：获取多个第二农作物图像；对多个第二农作物图像进行图像合并，得到第一农作物图像。

在第一方面的一些可实现方式中，获取多个第二农作物图像，包括：通过成像设备对同一农作物进行不同角度的拍摄，得到多个第二农作物图像，多个第二农作物图像包括农作物果实图像、农作物叶背图像、农作物叶面图像；成像设备包括至少两个相机、至少两个镜头、固定支架、滑动轨道、至少两个可调节支架，其中，每个镜头与一个相机连接，每个相机与一个可调节支架连接，每个可调节支架与固定支架连接，固定支架与滑动轨道连接。

在第一方面的一些可实现方式中，对R通道图像、G通道图像和B通道图像进行二值化处理，得到R通道二值图、G通道二值图和B通道二值图，包括：对R通道图像、G通道图像和B通道图像进行对比度增强；对对比度增强后的R通道图像、G通道图像和B通道图像进行二值化处理，得到R通道二值图、G通道二值图和B通道二值图。

在第一方面的一些可实现方式中，基于R通道二值图、G通道二值图和B通道二值图进行Blob分析，确定病虫害位置，包括：基于R通道二值图、G通道二值图和B通道二值图进行Blob分析，确定待识别区域，并根据预设识别信息，确定待识别区域是否位于农作物果实上；当确定待识别区域位于农作物果实上时，计算待识别区域在R通道图像上的第一R通道像素占比、在G通道图像上的第一G通道像素占比以及在B通道图像上的第一B通道像素占比；第一R通道像素占比用于表示待识别区域中满足第一预设条件的像素占待识别区域全部像素的比例，第一G通道像素占比用于表示待识别区域中满足第二预设条件的像素占待识别区域全部像素的比例，第一B通道像素占比用于表示待识别区域中满足第三预设条件的像素占待识别区域全部像素的比例；判断第一R通道像素占比、第一G通道像素占比和第一B通道像素占比是否满足第四预设条件；当满足第四预设条件时，确定待识别区域为病虫害位置。