[发明专利]一种基于计算机视觉的水稻病虫草害诊断方法

摘要

一种基于计算机视觉的水稻病虫草害诊断方法，采集不同发病时期、不同生境、不同品种的水稻叶部病害样本，由植病专家对每个样本感染的病害进行鉴定；然后采集其病害症状图像；利用图像处理技术，实现病斑的自动分割，提取病斑的各项特征指标，建立对应病害的特征数据库；在此基础上，选择适合的病斑特征参数和有效的模式识别算法，构建基于机器视觉的水稻病虫草害实时诊断模型。

主权项

1.一种基于计算机视觉的水稻病虫草害诊断方法，其特征在于：具体步骤如下：1)建立实时诊断软件系统采集不同发病时期、不同生境、不同品种的水稻叶部病害样本，由植病专家对每个样本感染的病害进行鉴定；然后采集其病害症状图像；利用图像处理技术，实现病斑的自动分割，提取病斑的各项特征指标，建立对应病害的特征数据库；在此基础上，选择适合的病斑特征参数和有效的模式识别算法，构建基于机器视觉的水稻病虫草害实时诊断模型；所述的提取出病斑的各项特征指标，包括RGB和HIS颜色系统下的R均值、G均值、B均值、r均值、g均值、b均值、H均值、I均值和S均值的颜色特征，灰度共生矩阵的对比度、相关性、能量、惯性矩和熵的纹理特征；形状复杂性程度、偏心率、圆形度和形状参数的形状特征；2)进行实时诊断通过病害图像获取硬件部分采集图像，采集后经过图像预处理去除背景，去除菌核，分割病斑，最后进行病斑计数、病斑面积和病斑长度的计算，图像预处理包括图像数字化、图像灰度化、图像增强、图像分割和数学形态学处理技术；去除背景具体过程如下：彩色图像转化为灰度图像G；利用最大类间方差法，将灰度图像转化为二值图像E，其中背景B区域为黑色，叶片L区域为白色，利用边缘跟踪算法探测每张叶片区域并标记叶片，并计算每张叶片的面积S_Li，用区域L作为模板，根据公式fpr(x,y)=(0,0,0)pr(x,y)∉Lfpr(x,y)pr(x,y)∈L]]>从原始图像中获取完整的彩色叶片，去除背景，式中为完整叶片区域中像素点的像素值；p_r(x，y)为原始图像中像素点，f_pr(x，y)为p_r(x，y)像素点的像素值；采用矩形框方法去除菌核，具体步骤如下：(1)选取矩形框A，要求该矩形框充分包含菌核本身又不能干扰到病斑；(2)对于矩形框A，利用黑颜色进行填充，覆盖掉原颜色，使其变为背景色，不参与计算，达到菌核去除的目的；将分割后病斑区域图像D转换为灰度图像D_G；然后利用最大类间方差法将灰度图像D_G转化为二值图像D_E，在此基础之上进行像素计算(1)病斑计数：将每个封闭的边缘内部定义为一个区域，利用边缘跟踪算法，依次探测D_E中标记好的每张叶片中的区域，记录区域个数即为每张叶片上病斑的个数；(2)病斑面积：计算每张叶片上离散的病斑区域面积，并计算总面积；(3)病斑长宽：利用最小外接矩形，计算叶片上每个病斑区域的长宽，并进行排序，取最长的参数作为分级标准，所述的图像获取硬件部分主要由光源模块、摄像机采集模块、图像处理模块、输入输出控制模块组成，包括光照箱、光源支架、光源、箱体顶部圆孔、数码相机、相机固定杆、光学镜头、偏振镜、载物台、计算机；光源支架安装在光照箱顶部四侧，光源支架能在光照箱顶部调节到同一高度并固定，四个光源分别固定在各自的光源支架上，相机固定杆安装在光照箱外部顶面中央，数码相机固定在相机固定杆上，数码相机能在相机固定杆上移动并使相机取景器置于箱体顶部圆孔处，偏振镜旋在光学镜头上，载物台置于箱体底面正中心位置，箱体侧门可自由开关以取放样本，箱体侧门关闭后整个箱体形成密封室，数码相机与计算机通过USB线连接。