CN104766152A - 一种作物病害识别与病情评估装置 - Google Patents

一种作物病害识别与病情评估装置 Download PDF

Info

Publication number
CN104766152A
CN104766152A CN201510051397.1A CN201510051397A CN104766152A CN 104766152 A CN104766152 A CN 104766152A CN 201510051397 A CN201510051397 A CN 201510051397A CN 104766152 A CN104766152 A CN 104766152A
Authority
CN
China
Prior art keywords
disease
blade
profile information
crop
crop pest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510051397.1A
Other languages
English (en)
Inventor
张东彦
梁栋
黄林生
赵晋陵
黄文江
徐超
朱大洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University
Original Assignee
Anhui University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui University filed Critical Anhui University
Priority to CN201510051397.1A priority Critical patent/CN104766152A/zh
Publication of CN104766152A publication Critical patent/CN104766152A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Catching Or Destruction (AREA)

Abstract

本发明涉及农业植保信息技术领域，特别涉及一种作物病害识别与病情评估装置，包括：图谱信息采集装置、样品采集装置、图像采集卡和处理器；图谱信息采集装置，用于采集作物病害叶片的图谱信息；样品采集装置，设置在图谱信息采集装置的正下方，用于放置作物病害叶片以及为图谱信息采集装置提供微环境光源；图像采集卡，用于将图谱信息采集装置采集的作物病害叶片的图谱信息传输到处理器，处理其获取作物病害叶片的图谱信息，进行病害识别并计算病情指数，提供喷施药剂名称与喷洒剂量。本发明能准确地区分作物病害，计算病情指数，划分作物病害严重度；并针对作物病害的病情指数给出病害防治方法及施药措施，利于环境保护和促进农业生产。

Description

一种作物病害识别与病情评估装置
技术领域
本发明涉及农业植保信息技术领域，特别涉及一种作物病害识别与病情评估装置。
背景技术
病虫害的科学防治是保证我国粮食增产的有效手段之一。近年，由于病虫害频发，在提高农业生产成本的同时，既增加了化学农药喷施量，又对自然环境和国民健康造成极大隐患。因此，研发病虫害快速、便携识别装置与系统是促进农业生产的重要内容。
作物病害准确识别，是进行科学定量施药的基础。但作物存在相似病害或者同种病害的不同阶段，缺少大田经验的人员存在误判严重度或混淆病害名称的问题。例如，小麦锈病分条锈病、叶锈病和秆锈病3种，是我国小麦作物上发生面积广，危害最重的一类病害。非专业人员常混淆条锈病和叶锈病，且在病害病情调查时，不同人员对病害评估有较大差异，对病害防治科学研究和防治施药都会造成一定影响。对此，植保学者常根据专家经验给出作物受害严重度，植保人员、普通农民或其他领域人员可根据农业部病害病情标准予以计算和判断。随着图像处理技术和数码产品的飞速发展，部分研究工作者凭借室内外数码图像予以病害指数的计算和病害严重度的判断。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
常规的田间调查，因专家和普通植保人员的判断尺度不一，人为因素对病情划分影响较大，不易于定量施药防治措施的制定。尤其是最佳喷药期判断偏失，要么增大化学农药喷施量，对环境造成污染；要么因判断偏低，施用农药未达到防治效果，直接影响到作物产量和 品质，后者仅借助数码产品和图像处理技术，多限于实验室研究，离实际产业应用仍有距离，且二者都未形成成熟的一体化装置和系统。
综上，急需病害病情识别精度高、专门的病情指数计算装置的研发，从而为病害及时防治与农业生产服务。
发明内容
(一)要解决的技术问题
本发明提供了一种作物病害识别与病情评估装置，能准确识别作物病害，划分作物病害严重度，由针对性病情指数给出最佳防治方法及施药措施。
(二)技术方案
为了解决上述技术问题，本发明提供的一种作物病害识别与病情评估装置，该装置包括：图谱信息采集装置、样品采集装置、图像采集卡和处理器，所述图像采集卡的信号输入接口与所述图谱信息采集装置的信号输出接口相连接，所述图像采集卡的信号输出接口与处理器的信号输出接口相连接；
所述图谱信息采集装置，用于采集作物病害叶片的图谱信息；
所述样品采集装置，设置在所述图谱信息采集装置的正下方，用于放置作物病害叶片以及为所述图谱信息采集装置提供微环境光源；
所述图像采集卡，用于将所述图谱信息采集装置采集的作物病害叶片的图谱信息传输到所述处理器；
所述处理器包括纹理特征提取模块、病斑面积提取模块、病害识别模块、病情指数计算模块和施药指导单元；
纹理特征提取模块，用于从所述图谱信息中提取病害叶片的纹理特征；
病斑面积提取模块，用于从所述图谱信息中提取病害叶片的病斑面积；
病害识别模块，用于将所述纹理特征提取模块提取的病害叶片的 纹理特征与预设的病害纹理特征图像库比对，进行病害识别；
病情指数计算模块，用于根据所述病斑面积提取模块提取的病害叶片的病斑面积计算病情指数；
施药指导单元，用于根据所述病情指数计算模块得到的病情指数，提供喷施药剂名称与喷洒剂量。
优选地，所述图谱信息采集装置为三波段图谱相机。
优选地，所述三波段图谱相机的三个波段为455nm、605nm和695nm。
优选地，所述样品采集装置包括：
相机架，用于放置所述图谱信息采集装置；
叶片放置板，设置在所述相机架的正下方，用于放置待鉴定作物病害叶片；
光源，设置在所述叶片放置板上方的两侧，用于为所述图谱信息采集装置提供微环境光源。
优选地，所述叶片放置板上设有固定件，用于固定待鉴定作物病害叶片。
优选地，所述叶片放置板包括：多叶片放置板和单叶片放置板。
优选地，所述样品采集装置还包括用于调整所述光源的光照位置和光照方向的光源调整装置。
优选地，所述处理器为计算机。
(三)有益效果
本发明实施例提供的作物病害识别与病情评估装置，通过图谱信息的纹理特征与预设的病害纹理特征图像库的比对，进行病害识别，并通过对叶片病害面积进行提取，准确划分病情的严重度，从而针对性、专业性，最大化降低人为差异引起的划分误差，为定量施药和降低环境污染服务。
附图说明
图1是本发明实施例的一种作物病害识别与病情评估装置的结构示意图；
图2(a)是本发明实施例的中样品采集装置的结构示意图；以及
图2(b)是本发明另一实施例的中样品采集装置的结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本发明实施例的一种作物病害识别与病情评估装置的结构示意图。
如图1所示，本发明实施例提供的一种作物病害识别与病情评估装置，包括：
图谱信息采集装置10、样品采集装置20、图像采集卡30和处理器40，所述图像采集卡30的信号输入接口与所述图谱信息采集装置10的信号输出接口相连接，所述图像采集卡30的信号输出接口与处理器40的信号输出接口相连接；
所述图谱信息采集装置10，用于采集作物病害叶片的图谱信息；
所述样品采集装置20，设置在所述图谱信息采集装置10的正下方，用于放置作物病害叶片以及为所述图谱信息采集装置10提供微环境光源；
所述图像采集卡30，用于将所述图谱信息采集装置10采集的作物病害叶片的图谱信息传输到所述处理器40；
所述处理器40包括纹理特征提取模块、病斑面积提取模块、病害识别模块、病情指数计算模块和施药指导单元；
所述的纹理特征提取模块，用于从所述图谱信息中提取病害叶片的纹理特征；
所述的病斑面积提取模块，用于从所述图谱信息中提取病害叶片的病斑面积；
所述的病害识别模块，用于将所述纹理特征提取模块提取的病害叶片的纹理特征与预设的病害纹理特征图像库比对，进行病害识别；
所述的病情指数计算模块，用于根据所述病斑面积提取模块提取的病害叶片的病斑面积计算病情指数；
所述的施药指导单元，用于根据所述病情指数计算模块得到的病情指数，提供喷施药剂名称与喷洒剂量。
进一步地，所述图谱信息采集装置为三波段图谱相机，其中，所述三波段图谱相机的三个波段为455nm、605nm和695nm。本发明实施例采用特殊三波段的多光谱相机，具有很高的图像分辨率，能够充分利用三波段的图像纹理特征，对病害面积统计，病情严重度计算；同时三波段构建的植被指数运算，得出病情严重度结果。
病情指数S1＝455/695；S2＝605/695，为特殊的植被指数，经过层层筛选得出的。
进一步地，所述样品采集装置20，如图2(a)和图2(b)所示，包括：相机架201，用于放置所述图谱信息采集装置；叶片放置板202，设置在所述相机架的正下方，用于放置待鉴定作物病害叶片；光源203，设置在所述叶片放置板上方的两侧，用于为所述图谱信息采集装置提供微环境光源。
更进一步地，所述叶片放置板202上设有固定件，用于固定待鉴定作物病害叶片。本发明实施例通过在叶片放置板上设置固定件，可以有效地固定待鉴定作物病害叶片，便于整株的病情测定，或者单叶无损病情测定。
进一步地，所述叶片放置板202包括：多叶片放置板和单叶片放置板，多叶片放置板，如图2(a)所示，多叶片放置板可以同时放置三片或更多待鉴定作物病害叶片，同步采集病害植株不同叶位叶片，用于更加全面地对一株病害植株进行评价；单叶片放置板，如图2(b)所示，仅可以放置一片待鉴定作物病害叶片，并可直接现场对 病害植株进行放置检测，无需破坏叶片样本，实现病害叶片图像采集。
进一步地，所述样品采集装置20还包括用于调整所述光源的光照位置和光照方向的光源调整装置，便于根据叶片放置板的不同以及叶片放置板上放置的待鉴定作物病害叶片，调整所述光源的光照位置和光照方向。
进一步地，所述处理器可以为计算机或其他具有处理功能的硬件设备。
本发明实施例提供的作物病害识别与病情评估装置，通过图谱信息的纹理特征与预设的病害纹理特征图像库的比对，进行病害识别，并通过对叶片病害面积进行提取，准确划分病情的严重度，从而针对性、专业性，最大化降低人为差异引起的划分误差，为定量施药和降低环境污染服务。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (8)

1.一种作物病害识别与病情评估装置，其特征在于，包括：图谱信息采集装置、样品采集装置、图像采集卡和处理器，所述图像采集卡的信号输入接口与所述图谱信息采集装置的信号输出接口相连接，所述图像采集卡的信号输出接口与处理器的信号输出接口相连接；
所述图谱信息采集装置，用于采集作物病害叶片的图谱信息；
所述样品采集装置，设置在所述图谱信息采集装置的正下方，用于放置作物病害叶片以及为所述图谱信息采集装置提供微环境光源；
所述图像采集卡，用于将所述图谱信息采集装置采集的作物病害叶片的图谱信息传输到所述处理器；
所述处理器包括纹理特征提取模块、病斑面积提取模块、病害识别模块、病情指数计算模块和施药指导单元；
纹理特征提取模块，用于从所述图谱信息中提取病害叶片的纹理特征；
病斑面积提取模块，用于从所述图谱信息中提取病害叶片的病斑面积；
病害识别模块，用于将所述纹理特征提取模块提取的病害叶片的纹理特征与预设的病害纹理特征图像库比对，进行病害识别；
病情指数计算模块，用于根据所述病斑面积提取模块提取的病害叶片的病斑面积计算病情指数；
施药指导单元，用于根据所述病情指数计算模块得到的病情指数，提供喷施药剂名称与喷洒剂量。
2.如权利要求1所述的作物病害识别与病情评估装置，其特征在于，所述图谱信息采集装置为三波段图谱相机。
3.如权利要求2所述的作物病害识别与病情评估装置，其特征在于，所述三波段图谱相机的三个波段为455nm、605nm和695nm。
4.如权利要求1-3所述的作物病害识别与病情评估装置，其特征在于，所述样品采集装置包括：
相机架，用于放置所述图谱信息采集装置；
叶片放置板，设置在所述相机架的正下方，用于放置待鉴定作物病害叶片；
光源，设置在所述叶片放置板上方的两侧，用于为所述图谱信息采集装置提供微环境光源。
5.如权利要求4所述的作物病害识别与病情评估装置，其特征在于，所述叶片放置板上设有固定件，用于固定待鉴定作物病害叶片。
6.如权利要求4所述的作物病害识别与病情评估装置，其特征在于，所述叶片放置板包括：多叶片放置板和单叶片放置板。
7.如权利要求4所述的作物病害识别与病情评估装置，其特征在于，所述样品采集装置还包括用于调整所述光源的光照位置和光照方向的光源调整装置。
8.如权利要求2所述的作物病害识别与病情评估装置，其特征在于，所述处理器为计算机。
CN201510051397.1A 2015-01-30 2015-01-30 一种作物病害识别与病情评估装置 Pending CN104766152A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510051397.1A CN104766152A (zh) 2015-01-30 2015-01-30 一种作物病害识别与病情评估装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510051397.1A CN104766152A (zh) 2015-01-30 2015-01-30 一种作物病害识别与病情评估装置

Publications (1)

Publication Number Publication Date
CN104766152A true CN104766152A (zh) 2015-07-08

Family

ID=53647966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510051397.1A Pending CN104766152A (zh) 2015-01-30 2015-01-30 一种作物病害识别与病情评估装置

Country Status (1)

Country Link
CN (1) CN104766152A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105352899A (zh) * 2015-10-26 2016-02-24 北京农业信息技术研究中心 一种基于反射光谱的变量施药窗口期决策方法
CN107292874A (zh) * 2017-06-29 2017-10-24 深圳前海弘稼科技有限公司 作物病害的控制方法及装置
CN108038588A (zh) * 2017-11-15 2018-05-15 成都东谷利农农业科技有限公司 农药田间药效试验管理方法及装置
WO2019000563A1 (zh) * 2017-06-30 2019-01-03 深圳前海弘稼科技有限公司 种植参数调控方法和种植参数调控装置
CN109724973A (zh) * 2017-10-27 2019-05-07 西北农林科技大学 基于机器视觉和光谱的马铃薯病害检测装置
CN111751295A (zh) * 2020-07-02 2020-10-09 安徽大学 一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法及应用
CN113448368A (zh) * 2021-06-29 2021-09-28 东港市远东节水灌溉设备有限公司 一种物联网智能农业控制检测方法及系统
CN114166761A (zh) * 2021-12-03 2022-03-11 郑其向 一种植物病害防治及预测用比色卡
CN116997053A (zh) * 2023-09-26 2023-11-03 北京猫猫狗狗科技有限公司 一种植物灯光照控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1543784A (zh) * 2003-11-14 2004-11-10 中国科学院合肥智能机械研究所 一种用于农作物病虫害监测及农药处方生成装置
CN101482514A (zh) * 2008-01-10 2009-07-15 北京农业信息技术研究中心 一种病害检测仪及其检测方法
CN101539531A (zh) * 2009-04-09 2009-09-23 浙江大学 基于多光谱图像处理的水稻稻叶瘟病检测分级方法
CN102334422A (zh) * 2010-07-27 2012-02-01 中国农业科学院蔬菜花卉研究所 基于机器视觉的蔬菜叶部病害实时诊断方法与系统
CN102706877A (zh) * 2012-06-06 2012-10-03 石河子大学 便携式棉花病虫害检测系统及方法
CN103134758A (zh) * 2013-01-29 2013-06-05 华南农业大学 基于多尺度高光谱图像处理的稻叶瘟病抗性鉴定分级方法
CN103136632A (zh) * 2013-01-31 2013-06-05 安徽大学 作物病情处方图生成与发布系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1543784A (zh) * 2003-11-14 2004-11-10 中国科学院合肥智能机械研究所 一种用于农作物病虫害监测及农药处方生成装置
CN101482514A (zh) * 2008-01-10 2009-07-15 北京农业信息技术研究中心 一种病害检测仪及其检测方法
CN101539531A (zh) * 2009-04-09 2009-09-23 浙江大学 基于多光谱图像处理的水稻稻叶瘟病检测分级方法
CN102334422A (zh) * 2010-07-27 2012-02-01 中国农业科学院蔬菜花卉研究所 基于机器视觉的蔬菜叶部病害实时诊断方法与系统
CN102706877A (zh) * 2012-06-06 2012-10-03 石河子大学 便携式棉花病虫害检测系统及方法
CN103134758A (zh) * 2013-01-29 2013-06-05 华南农业大学 基于多尺度高光谱图像处理的稻叶瘟病抗性鉴定分级方法
CN103136632A (zh) * 2013-01-31 2013-06-05 安徽大学 作物病情处方图生成与发布系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯雷等: "波谱成像技术在作物病害信息早期检测中的研究进展", 《农业机械学报》 *
谢传奇等: "应用高光谱图像光谱和纹理特征的番茄早疫病早期检测研究", 《光谱学与光谱分析》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105352899A (zh) * 2015-10-26 2016-02-24 北京农业信息技术研究中心 一种基于反射光谱的变量施药窗口期决策方法
CN107292874A (zh) * 2017-06-29 2017-10-24 深圳前海弘稼科技有限公司 作物病害的控制方法及装置
WO2019000563A1 (zh) * 2017-06-30 2019-01-03 深圳前海弘稼科技有限公司 种植参数调控方法和种植参数调控装置
CN109724973A (zh) * 2017-10-27 2019-05-07 西北农林科技大学 基于机器视觉和光谱的马铃薯病害检测装置
CN108038588A (zh) * 2017-11-15 2018-05-15 成都东谷利农农业科技有限公司 农药田间药效试验管理方法及装置
CN111751295A (zh) * 2020-07-02 2020-10-09 安徽大学 一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法及应用
CN113448368A (zh) * 2021-06-29 2021-09-28 东港市远东节水灌溉设备有限公司 一种物联网智能农业控制检测方法及系统
CN114166761A (zh) * 2021-12-03 2022-03-11 郑其向 一种植物病害防治及预测用比色卡
CN116997053A (zh) * 2023-09-26 2023-11-03 北京猫猫狗狗科技有限公司 一种植物灯光照控制方法
CN116997053B (zh) * 2023-09-26 2023-12-26 北京猫猫狗狗科技有限公司 一种植物灯光照控制方法

Similar Documents

Publication Publication Date Title
CN104766152A (zh) 一种作物病害识别与病情评估装置
Liao et al. On precisely relating the growth of Phalaenopsis leaves to greenhouse environmental factors by using an IoT-based monitoring system
CN111582055B (zh) 一种无人机的航空施药航线生成方法及系统
Yang Remote sensing and precision agriculture technologies for crop disease detection and management with a practical application example
Lu et al. Combining plant height, canopy coverage and vegetation index from UAV-based RGB images to estimate leaf nitrogen concentration of summer maize
Bellvert et al. Airborne thermal imagery to detect the seasonal evolution of crop water status in peach, nectarine and Saturn peach orchards
Cao et al. Monitoring of sugar beet growth indicators using wide-dynamic-range vegetation index (WDRVI) derived from UAV multispectral images
Peteinatos et al. Potential use of ground‐based sensor technologies for weed detection
CN102084794B (zh) 多传感器信息融合的作物病虫害早期检测方法及装置
Shirzadifar et al. Weed species discrimination based on SIMCA analysis of plant canopy spectral data
Rios et al. Development and validation of a standard area diagram set to assess blast severity on wheat leaves
US20180308229A1 (en) Method and information system for detecting at least one plant planted on a field
US20150201605A1 (en) Method and system to map biological pests in agricultural fields using remotely-sensed data for field scouting and targeted chemical application
US7271386B2 (en) Method for detecting and managing nematode population
US11741589B2 (en) Method and system for optical yield measurement of a standing crop in a field
EP3998585A1 (en) Method and system for optical yield measurement of a standing crop in a field
US11399532B2 (en) Method and system to map biological pests in agricultural fields using remotely-sensed data for field scouting and targeted chemical application
EP3991539A1 (en) Method and system for optical yield measurement of a standing crop in a field
Ma et al. Automatic detection of crop root rows in paddy fields based on straight-line clustering algorithm and supervised learning method
CN112712038B (zh) 基于多光谱卫星影像监测小麦倒伏状况的方法及系统
TW202107972A (zh) 無人機系統與人工智慧影像處理技術的液體噴灑方法
Midtiby et al. Estimating the plant stem emerging points (PSEPs) of sugar beets at early growth stages
Rosle et al. Monitoring early stage of rice crops growth using normalized difference vegetation index generated from UAV
CN204496549U (zh) 一种作物病害识别与病情评估装置
Torgbor et al. Assessing the potential of sentinel-2 derived vegetation indices to retrieve phenological stages of mango in Ghana

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150708