CN104778686B - 一种基于病斑监测的组培预警方法 - Google Patents
一种基于病斑监测的组培预警方法 Download PDFInfo
- Publication number
- CN104778686B CN104778686B CN201510125099.2A CN201510125099A CN104778686B CN 104778686 B CN104778686 B CN 104778686B CN 201510125099 A CN201510125099 A CN 201510125099A CN 104778686 B CN104778686 B CN 104778686B
- Authority
- CN
- China
- Prior art keywords
- tissue culture
- scab
- region
- profile
- gray
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于病斑监测的组培预警方法,包括:获取组培室内组培监测点的实时监控图像信息;对实时监控图像信息进行预处理,得到预处理图像,再进行灰度化,得到灰度图;对灰度图进行边缘检测,提取病斑轮廓,接着依次进行轮廓过滤和轮廓区域增长性分析,得出病斑分析结果;将病斑分析结果发送至用户,若结果显示属于病斑区域则进行预警。本发明通过服务器端对所采集的组培图像进行预处理、灰度化和病斑检测,并根据检测的结果,通过手机短信和信号灯以及PC端,提醒管理人员,发现有疑似病菌感染的组培,管理人员可以根据提示信息具体检查报警区域是否有病菌感染的组培,并进行相应的操作。
Description
技术领域
本发明涉及图像识别技术领域,尤其是一种基于病斑监测的组培预警方法。
背景技术
图像识别技术已经应用在各个领域,目前比较成熟的就有指纹识别、人脸识别和智能交通,也体现在智能农业、地图与地形配准、自然资源分析、天气预报、环境监测和生理病变研究等许多领域。在农业方面,如作物病虫害检测,能够通过图像识别技术,快速有效地检测农作物的病虫害情况和生长情况。
以上所述图像识别技术的应用多是针对自然生长的作物进行处理,而组培却是在封闭的环境下,需要在无菌的环境下生长培养,所以对于病菌的敏感度很高,一旦发现有病菌感染,组培苗就需要换新,并重新灭菌,且在这种情况下植物的生长与所处的环境有很大的关联,具有自然生长的作物所没有的特殊性,所以快速有效地检测病斑就显得尤为重要。而且目前没有专门的针对组培的病虫害检测系统,多是依赖人工进行病虫害检视,这样就导致无法及时发现病虫害,并且人工检视需要消耗大量的人力,而且人本身会将细菌带入,会增加组培苗感染病菌的可能性。
发明内容
本发明的目的在于提供一种能够快速检测是否有病菌感染的情况、适时提供预警信息、保证组培的正常生长的基于病斑监测的组培预警方法。
为实现上述目的,本发明采用了以下技术方案:一种基于病斑监测的组培预警方法,该方法包括下列顺序的步骤:
(1)获取组培室内组培监测点的实时监控图像信息;
(2)对实时监控图像信息进行预处理,得到预处理图像,再对预处理图像进行灰度化,得到灰度图;
(3)对灰度图进行边缘检测,提取病斑轮廓,接着依次进行轮廓过滤和轮廓区域增长性分析,得出病斑分析结果;
(4)将病斑分析结果发送至用户,若结果显示属于病斑区域,则进行预警。
所述预处理是指对组培监测点的实时监控图像信息分别进行中值滤波平滑处理和直方图均衡化处理。
所述灰度化是指在RGB模型中,以R、G、B为轴建立空间直角坐标系,则RGB图的每个象素的颜色用该三维空间的一个点来表示,灰度图的每个象素的颜色用直线R=G=B上的一个点来表示,取Gray=0.29900*R+0.58700*G+0.11400*B,对RGB三分量进行加权平均得到的灰度图。
所述提取病斑轮廓是指,首先将组培的实时监控图像信息中的绿色标记为纯绿色,其RGB值为“0,255,0”,非绿色区域标记为非病害色的纯蓝色,其RGB值为“0,0,255”,形成绿色标记图像PicGreen;同时将组培的实时监控图像信息中的非病害色标记为纯蓝色,其RGB值为“0,0,255”,病害色标记为纯白色,其RGB值为“255,255,255”,形成病害色标记图像PicSill;然后提取PicSill和PicGreen的轮廓。
所述轮廓过滤是指,将PicGreen中的空洞轮廓区域与PicSill中的空洞轮廓求交集,若轮廓的交集面积与PicSill和PicGreen中轮廓面积最大值的比例大于50%,则说明PicGreen对应的轮廓区域就是可能的病害区域,否则就将PicGreen中对应轮廓过滤。
所述轮廓区域增长性分析是指,对于检测到的病斑区域轮廓面积,根据不同时间的结果,查看对应的轮廓区域部分面积是否出现扩张,若判断结果为是,则该区域为可疑病斑区域,再根据PicSill,若该区域至少有50%的像素点是病害色像素点,则推断是病斑;若没有出现扩张或者轮廓区域对应面积变小或者呈非递增模式变化,则说明该区域非病斑区域。
由上述技术方案可知,本发明通过采集终端获取每一个组培监测点的组培图像信息,并将该图像通过网络传输给服务器端,通过服务器端对所采集的组培图像进行预处理、灰度化和病斑检测,并根据检测的结果,通过手机短信和信号灯以及PC端,提醒管理人员,发现有疑似病菌感染的组培,管理人员可以根据提示信息具体检查报警区域是否有病菌感染的组培,并进行相应的操作。本发明能够快速检测是否有病菌感染的情况,适时提供预警信息,保证组培的正常生长。
附图说明
图1为本发明的方法流程图;
图2为本发明的系统结构框图。
具体实施方式
如图1所示,一种基于病斑监测的组培预警方法,包括:(1)获取组培室内组培监测点的实时监控图像信息;(2)对实时监控图像信息进行预处理,得到预处理图像,再对预处理图像进行灰度化,得到灰度图;(3)对灰度图进行边缘检测,提取病斑轮廓,接着依次进行轮廓过滤和轮廓区域增长性分析,得出病斑分析结果;(4)将病斑分析结果发送至用户,若结果显示属于病斑区域,则进行预警。
所述预处理是指对组培监测点的实时监控图像信息分别进行中值滤波平滑处理和直方图均衡化处理。
所述灰度化是指在RGB模型中,以R、G、B为轴建立空间直角坐标系,则RGB图的每个象素的颜色用该三维空间的一个点来表示,灰度图的每个象素的颜色用直线R=G=B上的一个点来表示,取Gray=0.29900*R+0.58700*G+0.11400*B,对RGB三分量进行加权平均得到的灰度图。
所述提取病斑轮廓是指,首先将组培的实时监控图像信息中的绿色标记为纯绿色,其RGB值为“0,255,0”,非绿色区域标记为非病害色的纯蓝色,其RGB值为“0,0,255”,形成绿色标记图像PicGreen;同时将组培的实时监控图像信息中的非病害色标记为纯蓝色,其RGB值为“0,0,255”,病害色标记为纯白色,其RGB值为“255,255,255”,形成病害色标记图像PicSill;此时病害区域在PicGreen中表现为纯蓝色的空洞,该病害区域空洞是完整的且区域内的病害颜色是渐变的,同时有一部分非病害色非绿色区域也在PicGreen中表现为空洞,而病害区域在PicSill中也表现为空洞,而且PicSill中空洞只有病害区域,但是因为病害区域颜色是渐变的,所以一个完整的病害区域可能在PicSill中表现为多个空洞;然后提取PicSill和PicGreen的轮廓。
所述轮廓过滤是指,将PicGreen中的空洞轮廓区域与PicSill中的空洞轮廓求交集,若轮廓的交集面积与PicSill和PicGreen中轮廓面积最大值的比例大于50%,则说明PicGreen对应的轮廓区域就是可能的病害区域,否则就将PicGreen中对应轮廓过滤。提取后的PicGreen和PicSill的轮廓,就对应了前述空洞的轮廓,PicGreen这些轮廓中包含一些非病斑区域轮廓,PicSill轮廓中因为存在病害颜色渐变导致病害区域轮廓不连续,所以为了获得一个完整的病害区域的轮廓,需要将PicGreen中的空洞轮廓区域与PicSill中的空洞轮廓求交集,如果轮廓的交集面积与PicSill和PicGreen中轮廓面积最大值的比例大于50%,那么就说明PicGreen对应的轮廓区域就是可能的病害区域,否则就将PicGreen中对应轮廓过滤掉,这样就可以较准确的定位病害区域。
所述轮廓区域增长性分析是指,对于检测到的病斑区域轮廓面积,根据不同时间的结果,查看对应的轮廓区域部分面积是否出现扩张,若判断结果为是,则该区域为可疑病斑区域,再根据PicSill,若该区域至少有50%的像素点是病害色像素点,则推断是病斑;若没有出现扩张或者轮廓区域对应面积变小或者呈非递增模式变化,则说明该区域非病斑区域。在定位了可能的病害区域后,对一定时间间隔内的不同时间段的多幅已采集图像边缘结果进行轮廓区域增长分析,因为不同时间段采集的图像,采集的角度不会发生变化,仅组培苗和病菌的边缘才会随着生长发生渐变,而组培苗因为是绿色的,明显有别于病菌颜色,计算已定位的可能病害区域轮廓面积,并将该面积值和轮廓对应的位置坐标信息保存,与上一次保存的计算所得病斑轮廓面积进行比较,判断病斑区域轮廓面积是否增长了,如果相比上一次面积有所增大,且在与过去多次的检测结果比较后,如果对应病斑区域面积是不断增大的,则轮廓面积增长区域颜色和形状特征,来判断是否是病斑,并给出判断结果。
如图2所示,本系统包括:采集终端,通过安装在组培室内的网络摄像头获取组培监测点的实时监控图像信息,将所采集的信息传输至服务器端;服务器端,接收所采集到的实时监控图像信息,对图像的每一帧进行预处理、灰度化和病斑检测,并将检测结果通过有线/无线网络发送至客户端;客户端,用于接收服务器端的判断结果,通过手机短信、信号灯、PC端将判断结果提供给管理人员,并发出预警。
所述采集终端用于采集每一个组培监测点的各种组培生长信息,组培监测点就是将整个组培室区域划分成若干个分块区域,每一个分块区域选择该区域中央作为监测点,将监测点进行分区域管理,对每个监测点通过网络摄像头,将每一个监测点的组培图像,按照一定频率不断地采集并通过Internet网络实时传输给服务器。
所述客户端用于接收服务器端的判断结果,手机短信通知在哪一个检测区域检测到疑似病斑,信号灯是在每一个监测点设置的,当服务器检测结果有疑似病斑时,信号灯不停闪烁,PC端也是以消息的形式提示,并可以结合实时的监控探头,远程查看对应监测点组培情况。通过上述这些措施,提醒管理人员采取相应的措施。
所述手机短信通知,通过手机短信的形式,通知管理人员在哪一个检测区域检测到疑似病斑的预警信息。所述信号灯,是在每一个监测点设置的,当服务器检测结果有疑似病斑时,使得信号灯不停闪烁,提醒管理人员该区域检测到疑似病斑,这样就可以使得管理人员快速的确定有病斑的区域,并作相应的处理。所述PC端,是以消息的形式提示,并可以结合实时的监控探头,远程查看对应监测点组培情况。通过上述这些措施,提醒管理人员采取相应的措施。通过手机短信和PC端消息,可以使管理人员远程获取当前组培的是否有病菌感染,以及感染的组培所在的区域等的情况,通过信号灯,就可以快速的找到相应的感染区域,当然也可以通过远程监控通过信号灯的指示,实时检查该区域是否有病菌感染的情况。
综上所述,本发明通过采集终端获取每一个组培监测点的组培图像信息,并将该图像通过网络传输给服务器端,通过服务器端对所采集的组培图像进行预处理、灰度化和病斑检测,并根据检测的结果,通过手机短信和信号灯以及PC端,提醒管理人员,发现有疑似病菌感染的组培,管理人员可以根据提示信息具体检查报警区域是否有病菌感染的组培,并进行相应的操作。本发明能够快速检测是否有病菌感染的情况,适时提供预警信息,保证组培的正常生长。
Claims (5)
1.一种基于病斑监测的组培预警方法,该方法包括下列顺序的步骤:
(1)获取组培室内组培监测点的实时监控图像信息;
(2)对实时监控图像信息进行预处理,得到预处理图像,再对预处理图像进行灰度化,得到灰度图;
(3)对灰度图进行边缘检测,提取病斑轮廓,接着依次进行轮廓过滤和轮廓区域增长性分析,得出病斑分析结果;
(4)将病斑分析结果发送至用户,若结果显示属于病斑区域,则进行预警;
所述提取病斑轮廓是指,首先将组培的实时监控图像信息中的绿色标记为纯绿色,其RGB值为“0,255,0”, 非绿色区域标记为非病害色的纯蓝色,其RGB值为“0,0,255”,形成绿色标记图像PicGreen;同时将组培的实时监控图像信息中的非病害色标记为纯蓝色,其RGB值为“0,0,255”,病害色标记为纯白色,其RGB值为“255,255,255”,形成病害色标记图像PicSill;然后提取PicSill和PicGreen的轮廓。
2.根据权利要求1所述的基于病斑监测的组培预警方法,其特征在于:所述预处理是指对组培监测点的实时监控图像信息分别进行中值滤波平滑处理和直方图均衡化处理。
3.根据权利要求1所述的基于病斑监测的组培预警方法,其特征在于:所述灰度化是指在RGB模型中,以R、G、B为轴建立空间直角坐标系,则RGB图的每个像素 的颜色用该三维空间的一个点来表示,灰度图的每个像素 的颜色用直线R=G=B上的一个点来表示,取Gray =0.29900 * R + 0.58700 * G + 0.11400 * B,对RGB三分量进行加权平均得到的灰度图。
4.根据权利要求1所述的基于病斑监测的组培预警方法,其特征在于:所述轮廓过滤是指,将PicGreen中的空洞轮廓区域与PicSill中的空洞轮廓求交集,若轮廓的交集面积与PicSill和PicGreen中轮廓面积最大值的比例大于50%,则说明PicGreen对应的轮廓区域就是可能的病害区域,否则就将PicGreen中对应轮廓过滤。
5.根据权利要求1所述的基于病斑监测的组培预警方法,其特征在于:所述轮廓区域增长性分析是指,对于检测到的病斑区域轮廓面积,根据不同时间的结果,查看对应的轮廓区域部分面积是否出现扩张,若判断结果为是,则该区域为可疑病斑区域,再根据PicSill,若该区域至少有50%的像素点是病害色像素点,则推断是病斑;若没有出现扩张或者轮廓区域对应面积变小或者呈非递增模式变化,则说明该区域非病斑区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510125099.2A CN104778686B (zh) | 2015-03-23 | 2015-03-23 | 一种基于病斑监测的组培预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510125099.2A CN104778686B (zh) | 2015-03-23 | 2015-03-23 | 一种基于病斑监测的组培预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104778686A CN104778686A (zh) | 2015-07-15 |
CN104778686B true CN104778686B (zh) | 2017-09-22 |
Family
ID=53620132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510125099.2A Active CN104778686B (zh) | 2015-03-23 | 2015-03-23 | 一种基于病斑监测的组培预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778686B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105794646A (zh) * | 2016-04-08 | 2016-07-27 | 佛山市融信通企业咨询服务有限公司 | 一种双层组培室 |
CN105766650A (zh) * | 2016-04-08 | 2016-07-20 | 佛山市融信通企业咨询服务有限公司 | 一种全自动双层组培室 |
CN105794645A (zh) * | 2016-04-08 | 2016-07-27 | 佛山市金蓝领教育科技有限公司 | 一种互联网分析生长状态的智能组培室 |
CN105894003A (zh) * | 2016-04-29 | 2016-08-24 | 无锡中科智能农业发展有限责任公司 | 一种基于机器视觉的大田果树病害监测预警系统 |
CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
CN106779503A (zh) * | 2017-02-23 | 2017-05-31 | 佛山市融信通企业咨询服务有限公司 | 一种智能化组培技术员绩效考核系统 |
CN106897829A (zh) * | 2017-02-23 | 2017-06-27 | 佛山市融信通企业咨询服务有限公司 | 一种智能化组培技术员绩效考核方法 |
CN106897830A (zh) * | 2017-02-23 | 2017-06-27 | 佛山市融信通企业咨询服务有限公司 | 一种组织培养技术员绩效计算系统 |
CN106952300A (zh) * | 2017-04-28 | 2017-07-14 | 深圳前海弘稼科技有限公司 | 基于图像识别植物病变的方法及系统、计算机设备 |
CN113205476A (zh) * | 2020-08-04 | 2021-08-03 | 黄永芹 | 智能化检验病菌目标辨识平台及方法 |
CN116030460B (zh) * | 2023-02-22 | 2023-06-09 | 青岛海关技术中心 | 一种基于图像特征的细菌显微图像识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6782140B1 (en) * | 1999-09-28 | 2004-08-24 | Fuji Photo Film Co., Ltd. | Image analyzing apparatus defining regions of interest |
CN102759528A (zh) * | 2012-07-09 | 2012-10-31 | 陕西科技大学 | 一种农作物叶部病害检测方法 |
CN103077529A (zh) * | 2013-02-27 | 2013-05-01 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
CN103400410A (zh) * | 2013-07-12 | 2013-11-20 | 北京农业信息技术研究中心 | 一种病斑形态轮廓交互式渲染方法及装置 |
CN103514459A (zh) * | 2013-10-11 | 2014-01-15 | 中国科学院合肥物质科学研究院 | 一种基于Android手机平台的识别农作物病虫害的方法及系统 |
CN103903252A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 棉田虫情自动监测装置及监测方法 |
-
2015
- 2015-03-23 CN CN201510125099.2A patent/CN104778686B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6782140B1 (en) * | 1999-09-28 | 2004-08-24 | Fuji Photo Film Co., Ltd. | Image analyzing apparatus defining regions of interest |
CN102759528A (zh) * | 2012-07-09 | 2012-10-31 | 陕西科技大学 | 一种农作物叶部病害检测方法 |
CN103903252A (zh) * | 2012-12-28 | 2014-07-02 | 中国农业机械化科学研究院 | 棉田虫情自动监测装置及监测方法 |
CN103077529A (zh) * | 2013-02-27 | 2013-05-01 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
CN103400410A (zh) * | 2013-07-12 | 2013-11-20 | 北京农业信息技术研究中心 | 一种病斑形态轮廓交互式渲染方法及装置 |
CN103514459A (zh) * | 2013-10-11 | 2014-01-15 | 中国科学院合肥物质科学研究院 | 一种基于Android手机平台的识别农作物病虫害的方法及系统 |
Non-Patent Citations (3)
Title |
---|
Detection of soybean rust using a multispectral image sensor;Di Cui等;《Journal of Food Measurement and Characterization》;20091231;第3卷(第1期);第49-56页 * |
基于G-MRF模型的玉米叶斑病害图像的分割;赖军臣等;《中国农业科学》;20101231;第43卷(第7期);第1363-1369页 * |
改进Hough变换的农作物病斑目标检测方法;吴露露等;《农业工程学院》;20140531;第30卷(第10期);第152-159页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104778686A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778686B (zh) | 一种基于病斑监测的组培预警方法 | |
CN104598895B (zh) | 一种基于视频图像分析的火焰检测方法与装置 | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
CN102103699B (zh) | 一种基于图像检测棉花吐絮的方法 | |
CN108898085A (zh) | 一种基于手机视频的道路病害智能检测方法 | |
CN107580715A (zh) | 用于自动计数微生物菌落的方法和系统 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
CN107121535B (zh) | 一种有效的农作物生长环境监测系统 | |
CN105894003A (zh) | 一种基于机器视觉的大田果树病害监测预警系统 | |
CN112069985B (zh) | 基于深度学习的高分辨率大田图像稻穗检测与计数方法 | |
CN113050473A (zh) | 一种智慧农业用虫情远程监控系统 | |
CN113034301A (zh) | 一种农作物生长管理系统及方法 | |
CN104732494A (zh) | 一种基于图像去雾的组培监控方法及系统 | |
Ji et al. | In-field automatic detection of maize tassels using computer vision | |
CN107403180A (zh) | 一种数字类型设备检测识别方法和系统 | |
CN102855485B (zh) | 一种小麦抽穗的自动检测方法 | |
CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
CN105427279B (zh) | 一种基于计算机视觉及物联网的草原旱情监测系统和方法 | |
CN106023199A (zh) | 一种基于图像分析技术的烟气黑度智能检测方法 | |
CN107064159B (zh) | 一种依据植物黄叶检测判断生长趋势的装置及系统 | |
CN107392202A (zh) | 一种指针型读数识别方法和系统 | |
CN113377062B (zh) | 一种具有病虫害和旱情监控的多功能预警系统 | |
Hacking et al. | Vineyard yield estimation using 2-D proximal sensing: A multitemporal approach | |
CN102360428B (zh) | 一种玉米三叶期与七叶期的自动检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |