CN105180850A - 计算玉米叶部大斑病病斑面积比例的方法及装置 - Google Patents
计算玉米叶部大斑病病斑面积比例的方法及装置 Download PDFInfo
- Publication number
- CN105180850A CN105180850A CN201510416395.8A CN201510416395A CN105180850A CN 105180850 A CN105180850 A CN 105180850A CN 201510416395 A CN201510416395 A CN 201510416395A CN 105180850 A CN105180850 A CN 105180850A
- Authority
- CN
- China
- Prior art keywords
- leaf
- maize
- image
- leaf blight
- maize leaf
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种计算玉米叶部大斑病病斑面积比例的方法及装置,能够快速、准确、低成本地对玉米叶部大斑病病斑面积比例进行计算。所述方法包括:S1、以白板为背景,采集玉米植株叶部的二维彩色图像;S2、基于图像处理技术,根据所述二维彩色图像分别提取玉米叶部图像和玉米叶部大斑病病斑图像,并根据所述玉米叶部图像计算玉米叶片像素点数量,根据所述玉米叶部大斑病病斑图像计算玉米叶部大斑病病斑处像素点数量;S3、根据所述玉米叶片像素点数量和玉米叶部大斑病病斑处像素点数量计算玉米叶部大斑病病斑占玉米植株叶片面积的比例。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种计算玉米叶部大斑病病斑面积比例的方法及装置。
背景技术
玉米叶部大斑病是一种世界性玉米病害,给玉米种植业造成严重经济损失,通过对玉米叶部大斑病进行特征分析来描述大斑病疫情,而玉米大斑病病斑的面积比例计算是对大斑病进行特征分析的前提。
但是,传统的玉米大斑病病斑的面积比例计算一般选择人工的方式,即先对玉米叶片面积和病斑面积进行人工测量,然后计算病斑的面积占整株叶片面积的比例,此种方式严重依赖于工作人员的主观判断,获取的数据存在较大误差,且效率较低、人工成本较高。
发明内容
本发明的目的在于,提供一种计算玉米叶部大斑病病斑面积比例的方法及装置,能够快速、准确、低成本地对玉米叶部大斑病病斑面积比例进行计算。
为此目的,本发明提出一种计算玉米叶部大斑病病斑面积比例的方法,包括:
S1、以白板为背景,采集玉米植株叶部的二维彩色图像;
S2、基于图像处理技术,根据所述二维彩色图像分别提取玉米叶部图像和玉米叶部大斑病病斑图像,并根据所述玉米叶部图像计算玉米叶片像素点数量,根据所述玉米叶部大斑病病斑图像计算玉米叶部大斑病病斑处像素点数量;
S3、根据所述玉米叶片像素点数量和玉米叶部大斑病病斑处像素点数量计算玉米叶部大斑病病斑占玉米植株叶片面积的比例。
另一方面,本实施例公开一种计算玉米叶部大斑病病斑面积比例的装置,包括:
图像采集单元、图像处理单元和面积比例计算单元;其中,
所述图像采集单元,用于以白板为背景,采集玉米叶部的二维彩色图像;
所述图像处理单元,用于对所述二维彩色图像依次进行超绿特征提取、反色处理、大津法二值化,得到玉米叶部图像,对所述二维彩色图像进行中值滤波、超绿特征提取、大津法二值化、开运算,得到玉米叶部大斑病病斑图像,其中所述玉米叶部图像的目标为白色,背景为黑色,所述玉米叶部图像的目标为白色,背景为黑色;
所述面积比例计算单元,用于对所述玉米叶部图像进行遍历,获取每一个像素点的R通道值,计算R通道值为255的像素点数量,确定该数量为玉米叶片像素点数量,对所述玉米叶部图像相对应的玉米叶部大斑病病斑图像进行遍历,获取每一个像素点的R通道值,计算R通道为255的像素点数量,确定该数量为玉米叶部大斑病病斑处像素点数量,计算玉米叶部大斑病病斑占玉米植株叶片面积的比例,计算公式为:面积比例=玉米叶部大斑病病斑处像素点数量/玉米植株的叶片像素点数量。
本发明实施例所述的计算玉米叶部大斑病病斑面积比例的方法及装置,应用计算机图像处理技术对玉米叶部大斑病病斑进行自动分割及面积比例计算,具有快速、准确、低成本的特点;另外,可以长期存储和重复利用样本图像数据,有利于对宝贵样本的统一标准化管理。
附图说明
图1为本发明计算玉米叶部大斑病病斑面积比例的方法一实施例的流程示意图;
图2为本发明计算玉米叶部大斑病病斑面积比例的方法另一实施例中得到的玉米叶部大斑病病斑图像;
图3为本发明计算玉米叶部大斑病病斑面积比例的装置一实施例的方框结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例公开一种计算玉米叶部大斑病病斑面积比例的方法,包括:
S1、以白板为背景,采集玉米植株叶部的二维彩色图像;
S2、基于图像处理技术,根据所述二维彩色图像分别提取玉米叶部图像和玉米叶部大斑病病斑图像,并根据所述玉米叶部图像计算玉米叶片像素点数量,根据所述玉米叶部大斑病病斑图像计算玉米叶部大斑病病斑处像素点数量;
S3、根据所述玉米叶片像素点数量和玉米叶部大斑病病斑处像素点数量计算玉米叶部大斑病病斑占玉米植株叶片面积的比例。
本发明实施例的计算玉米叶部大斑病病斑面积比例的方法,应用计算机图像处理技术对玉米叶部大斑病病斑进行自动分割及面积比例计算,具有快速、准确、低成本的特点;另外,可以长期存储和重复利用样本图像数据,有利于对宝贵样本的统一标准化管理。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,所述S2,包括:
S21、对所述二维彩色图像进行超绿特征提取;
S22、对所述步骤S21得到的图像进行反色处理,并进行大津法二值化(OTSU二值化),得到玉米叶部图像,其中所述玉米叶部图像的目标为白色,背景为黑色。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,所述S2,包括:
S23、对所述二维彩色图像进行中值滤波;
S24、对所述步骤S23得到的图像进行超绿特征提取;
S25、对所述步骤S24得到的图像进行大津法二值化;
S26、对所述步骤S25得到的图像进行开运算,得到玉米叶部大斑病病斑图像,其中所述玉米叶部大斑病病斑图像的目标为白色,背景为黑色。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,所述S2,包括:
S27、对所述玉米叶部图像进行遍历,获取每一个像素点的R通道值,计算R通道值为255的像素点数量,确定该数量为玉米叶片像素点数量;
S28、对所述玉米叶部大斑病病斑图像进行遍历,获取每一个像素点的R通道值,计算R通道为255的像素点数量,确定该数量为玉米叶部大斑病病斑处像素点数量;
S29、计算玉米叶部大斑病病斑占玉米植株叶片面积的比例,计算公式为:面积比例=玉米叶部大斑病病斑处像素点数量/玉米植株的叶片像素点数量。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,还包括:
根据所述玉米叶部大斑病病斑占叶片面积的比例对玉米叶部大斑病进行病情分级。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,还包括:
获取玉米叶部大斑病病斑图像相应的玉米叶片的位置;其中,
所述根据所述玉米叶部大斑病病斑占叶片面积的比例对玉米叶部大斑病进行病情分级,包括:
按照预设的病情分级标准,根据所述玉米叶部大斑病病斑占叶片面积的比例和玉米叶部大斑病病斑图像相应的玉米叶片的位置对玉米叶部大斑病进行病情分级,所述病情分级标准由大斑病病斑面积比例范围、病斑所在的玉米叶片的位置范围及对应的病情级数组成。
如表1所示为一病情分级标准的具体描述,病情分级标准可以为由大斑病病斑面积比例范围、病斑所在的玉米叶片的位置范围及对应的病情级数组成的表格,通过查找病情分级标准,得到对应玉米叶部大斑病病斑占叶片面积的比例和玉米叶部大斑病病斑图像相应的玉米叶片的位置的病情级数。比如,一玉米植株的叶部大斑病病斑占全株叶片面积的比例为7%,病斑所在的玉米叶片为穗位下部叶片,则该玉米植株的病情级数为3级。
表1
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,还包括:
按照预设的抗性评价标准,根据所述玉米叶部大斑病病情分级结果对玉米叶部大斑病进行抗性评价。
如表2所示为一抗性评价标准的具体描述,抗性评价标准可以为由玉米叶部大斑病病情分级结果及对应的抗性级数组成的表格,通过查找抗性评价标准,得到对应玉米叶部大斑病病情分级结果的抗性级数。
表2
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,还包括:
根据所述玉米叶部大斑病病情分级结果建立玉米叶部大斑病预测模型,并利用所述玉米叶部大斑病预测模型对玉米叶部大斑病疫情进行预测;
其中,所述S1,包括:
以白板为背景,采集玉米大斑病不同发病时期(比如每隔20天)被调查玉米植株叶部的二维彩色图像。
本发明实施例中,首先利用图像处理技术分割和测量病斑;其次,根据玉米叶部大斑病病斑占叶片的面积比例进行病斑特征分析,最后,通过利用玉米叶部大斑病预测模型来反映大斑病时间流行动态,不仅提高了大斑病病斑分割的速度及精度,而且模型的建立也为大斑病的防控提供了有力的技术支持。
可选地,在本发明计算玉米叶部大斑病病斑面积比例的方法的另一实施例中,所述根据所述玉米叶部大斑病病情分级结果建立玉米叶部大斑病预测模型,包括:
根据玉米大斑病同一发病时期玉米叶部大斑病病情分级结果计算该发病时期的病情指数,计算公式为:其中,RV为玉米大斑病发病植株叶部大斑病病情级数,N为病情级数是RV的发病植株数,NT代表调查玉米植株总数,RVmax为大斑病病情级数的最大值;
以发病时期相应的调查时间为自变量,玉米大斑病的病情指数为因变量,利用SPSS中曲线估计程序,采用预先选取的至少一种模型曲线(比如预先选取的至少一种模型曲线包括线性曲线、复合曲线、生长曲线、指数曲线、戈珀兹曲线和逻辑斯蒂曲线)对玉米大斑病不同发病时期的病情指数进行拟合,得到不同的模型曲线相应的以发病时期相应的调查时间为自变量,玉米大斑病的病情指数为因变量的预测方程,并根据各个预测方程确定出各个预测方程用于显著性检验的统计量(决定系数R2、残差平方和SSE、F值和检验概率P);
利用所述统计量对相应的预测方程进行显著性检验,从所述各个预测方程中筛选出显著性最高的预测方程相应的预测模型作为最佳预测模型。
本发明实施例中,利用SPSS筛选最佳预测模型一具体实施例的过程如下:首先选择线性模型、复合模型、生长模型、指数模型、戈珀兹模型和逻辑斯蒂模型;然后,利用不同时期的玉米叶部大斑病病情分级结果估计各个模型的参数,并输出各个模型回归方程显著性检验的决定系数R2、残差平方和SSE、F值和检验概率P等统计量;最后,以各个统计量为依据选择其中的最优模型(以R2越大、残差平方和SSE越小、F值越大、检验概率P越大为原则筛选最优模型)。假设利用SPSS筛选出的最佳预测模型为逻辑斯蒂模型(Logistic),模型的回归方程为其中:xt是t时刻大斑病的病情指数;a,b是拟合系数;c是病情指数增长率(拟定值)。将Logistic公式变形为t=ln((1/xt-a)/b)/c,公式经过求导后得到x't=-bcExp(ct)(a+bExp(ct))-2,当a=bExp(ct),即时,x't=-c/4a取最大值。因此,计算结果表明在调查时间t为时病情发展比较快。
如图3所示,本实施例公开一种计算玉米叶部大斑病病斑面积比例的装置,包括:
图像采集单元1、图像处理单元2和面积比例计算单元3;其中,
所述图像采集单元1,用于以白板为背景,采集玉米叶部的二维彩色图像;
所述图像处理单元2,用于对所述二维彩色图像依次进行超绿特征提取、反色处理、大津法二值化,得到玉米叶部图像,对所述二维彩色图像进行中值滤波、超绿特征提取、大津法二值化、开运算,得到玉米叶部大斑病病斑图像,其中所述玉米叶部图像的目标为白色,背景为黑色,所述玉米叶部图像的目标为白色,背景为黑色;
所述面积比例计算单元3,用于对所述玉米叶部图像进行遍历,获取每一个像素点的R通道值,计算R通道值为255的像素点数量,确定该数量为玉米叶片像素点数量,对所述玉米叶部图像相对应的玉米叶部大斑病病斑图像进行遍历,获取每一个像素点的R通道值,计算R通道为255的像素点数量,确定该数量为玉米叶部大斑病病斑处像素点数量,计算玉米叶部大斑病病斑占玉米植株叶片面积的比例,计算公式为:面积比例=玉米叶部大斑病病斑处像素点数量/玉米植株的叶片像素点数量。
本发明实施例的计算玉米叶部大斑病病斑面积比例的装置,应用计算机图像处理技术对玉米叶部大斑病病斑进行自动分割及面积比例计算,具有快速、准确、低成本的特点;另外,可以长期存储和重复利用样本图像数据,有利于对宝贵样本的统一标准化管理。
SPSS软件集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体,包括常规的集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t检验和非参数检验,也包括多元统计技术。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种计算玉米叶部大斑病病斑面积比例的方法,其特征在于,包括:
S1、以白板为背景,采集玉米植株叶部的二维彩色图像;
S2、基于图像处理技术,根据所述二维彩色图像分别提取玉米叶部图像和玉米叶部大斑病病斑图像,并根据所述玉米叶部图像计算玉米叶片像素点数量,根据所述玉米叶部大斑病病斑图像计算玉米叶部大斑病病斑处像素点数量;
S3、根据所述玉米叶片像素点数量和玉米叶部大斑病病斑处像素点数量计算玉米叶部大斑病病斑占玉米植株叶片面积的比例。
2.根据权利要求1所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,所述S2,包括:
S21、对所述二维彩色图像进行超绿特征提取;
S22、对所述步骤S21得到的图像进行反色处理,并进行大津法二值化,得到玉米叶部图像,其中所述玉米叶部图像的目标为白色,背景为黑色。
3.根据权利要求1所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,所述S2,包括:
S23、对所述二维彩色图像进行中值滤波;
S24、对所述步骤S23得到的图像进行超绿特征提取;
S25、对所述步骤S24得到的图像进行大津法二值化;
S26、对所述步骤S25得到的图像进行开运算,得到玉米叶部大斑病病斑图像,其中所述玉米叶部大斑病病斑图像的目标为白色,背景为黑色。
4.根据权利要求1所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,所述S2,包括:
S27、对所述玉米叶部图像进行遍历,获取每一个像素点的R通道值,计算R通道值为255的像素点数量,确定该数量为玉米叶片像素点数量;
S28、对所述玉米叶部大斑病病斑图像进行遍历,获取每一个像素点的R通道值,计算R通道为255的像素点数量,确定该数量为玉米叶部大斑病病斑处像素点数量;
S29、计算玉米叶部大斑病病斑占玉米植株叶片面积的比例,计算公式为:面积比例=玉米叶部大斑病病斑处像素点数量/玉米植株的叶片像素点数量。
5.根据权利要求1所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,还包括:
根据所述玉米叶部大斑病病斑占叶片面积的比例对玉米叶部大斑病进行病情分级。
6.根据权利要求5所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,还包括:
获取玉米叶部大斑病病斑图像相应的玉米叶片的位置;其中,
所述根据所述玉米叶部大斑病病斑占叶片面积的比例对玉米叶部大斑病进行病情分级,包括:
按照预设的病情分级标准,根据所述玉米叶部大斑病病斑占叶片面积的比例和玉米叶部大斑病病斑图像相应的玉米叶片的位置对玉米叶部大斑病进行病情分级,所述病情分级标准由大斑病病斑面积比例范围、病斑所在的玉米叶片的位置范围及对应的病情级数组成。
7.根据权利要求5所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,还包括:
按照预设的抗性评价标准,根据所述玉米叶部大斑病病情分级结果对玉米叶部大斑病进行抗性评价。
8.根据权利要求5所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,还包括:
根据所述玉米叶部大斑病病情分级结果建立玉米叶部大斑病预测模型,并利用所述玉米叶部大斑病预测模型对玉米叶部大斑病疫情进行预测;
其中,所述S1,包括:
以白板为背景,采集玉米大斑病不同发病时期被调查玉米植株叶部的二维彩色图像。
9.根据权利要求8所述的计算玉米叶部大斑病病斑面积比例的方法,其特征在于,所述根据所述玉米叶部大斑病病情分级结果建立玉米叶部大斑病预测模型,包括:
根据玉米大斑病同一发病时期玉米叶部大斑病病情分级结果计算该发病时期的病情指数,计算公式为:其中,RV为玉米大斑病发病植株叶部大斑病病情级数,N为病情级数是RV的发病植株数,NT代表调查玉米植株总数,RVmax为大斑病病情级数的最大值;
以发病时期相应的调查时间为自变量,玉米大斑病的病情指数为因变量,利用SPSS中曲线估计程序,采用预先选取的至少一种模型曲线对玉米大斑病不同发病时期的病情指数进行拟合,得到不同的模型曲线相应的以发病时期相应的调查时间为自变量,玉米大斑病的病情指数为因变量的预测方程,并根据各个预测方程确定出各个预测方程用于显著性检验的统计量;
利用所述统计量对相应的预测方程进行显著性检验,从所述各个预测方程中筛选出显著性最高的预测方程相应的预测模型作为最佳预测模型。
10.一种计算玉米叶部大斑病病斑面积比例的装置,其特征在于,包括:
图像采集单元、图像处理单元和面积比例计算单元;其中,
所述图像采集单元,用于以白板为背景,采集玉米叶部的二维彩色图像;
所述图像处理单元,用于对所述二维彩色图像依次进行超绿特征提取、反色处理、大津法二值化,得到玉米叶部图像,对所述二维彩色图像进行中值滤波、超绿特征提取、大津法二值化、开运算,得到玉米叶部大斑病病斑图像,其中所述玉米叶部图像的目标为白色,背景为黑色,所述玉米叶部图像的目标为白色,背景为黑色;
所述面积比例计算单元,用于对所述玉米叶部图像进行遍历,获取每一个像素点的R通道值,计算R通道值为255的像素点数量,确定该数量为玉米叶片像素点数量,对所述玉米叶部图像相对应的玉米叶部大斑病病斑图像进行遍历,获取每一个像素点的R通道值,计算R通道为255的像素点数量,确定该数量为玉米叶部大斑病病斑处像素点数量,计算玉米叶部大斑病病斑占玉米植株叶片面积的比例,计算公式为:面积比例=玉米叶部大斑病病斑处像素点数量/玉米植株的叶片像素点数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510416395.8A CN105180850B (zh) | 2015-07-15 | 2015-07-15 | 计算玉米叶部大斑病病斑面积比例的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510416395.8A CN105180850B (zh) | 2015-07-15 | 2015-07-15 | 计算玉米叶部大斑病病斑面积比例的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105180850A true CN105180850A (zh) | 2015-12-23 |
CN105180850B CN105180850B (zh) | 2017-09-22 |
Family
ID=54903106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510416395.8A Expired - Fee Related CN105180850B (zh) | 2015-07-15 | 2015-07-15 | 计算玉米叶部大斑病病斑面积比例的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105180850B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105571532A (zh) * | 2016-01-01 | 2016-05-11 | 三峡大学 | 一种叶面积的测量方法 |
CN107507175A (zh) * | 2017-08-18 | 2017-12-22 | 潘荣兰 | 一种用于计算玉米叶部小斑病病斑所占面积比例的装置 |
CN107644200A (zh) * | 2017-08-30 | 2018-01-30 | 中国农业大学 | 基于安卓系统的病虫害感染程度检测方法及系统 |
CN108537769A (zh) * | 2018-01-08 | 2018-09-14 | 黑龙江省农业科学院植物保护研究所 | 一种玉米大斑病的识别方法、装置、设备及介质 |
CN109610132A (zh) * | 2018-11-22 | 2019-04-12 | 无锡小天鹅股份有限公司 | 衣物洗涤方法、装置和控制器 |
CN109977924A (zh) * | 2019-04-15 | 2019-07-05 | 北京麦飞科技有限公司 | 针对农作物的无人机机上实时图像处理方法及系统 |
CN111553240A (zh) * | 2020-04-24 | 2020-08-18 | 四川省农业科学院农业信息与农村经济研究所 | 一种玉米病害病情分级方法、系统和计算机设备 |
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 |
CN111862190A (zh) * | 2020-07-10 | 2020-10-30 | 北京农业生物技术研究中心 | 自动测量离体植物软腐病斑面积的方法及装置 |
CN112504172A (zh) * | 2020-12-15 | 2021-03-16 | 青海大学 | 一种适用于野外的测量植物叶面积的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130136312A1 (en) * | 2011-11-24 | 2013-05-30 | Shih-Mu TSENG | Method and system for recognizing plant diseases and recording medium |
CN103190224A (zh) * | 2013-03-26 | 2013-07-10 | 中国农业大学 | 基于计算机视觉技术的玉米果穗考种方法、系统和装置 |
CN103778628A (zh) * | 2014-01-10 | 2014-05-07 | 北京农业信息技术研究中心 | 田间开放环境下的叶片病害程度获取方法及系统 |
-
2015
- 2015-07-15 CN CN201510416395.8A patent/CN105180850B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130136312A1 (en) * | 2011-11-24 | 2013-05-30 | Shih-Mu TSENG | Method and system for recognizing plant diseases and recording medium |
CN103190224A (zh) * | 2013-03-26 | 2013-07-10 | 中国农业大学 | 基于计算机视觉技术的玉米果穗考种方法、系统和装置 |
CN103778628A (zh) * | 2014-01-10 | 2014-05-07 | 北京农业信息技术研究中心 | 田间开放环境下的叶片病害程度获取方法及系统 |
Non-Patent Citations (2)
Title |
---|
苏恒强: "玉米病害图像识别系统的设计与实现", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
陈占良等: "基于图像处理的叶斑病分级方法的研究", 《农机化研究》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105571532A (zh) * | 2016-01-01 | 2016-05-11 | 三峡大学 | 一种叶面积的测量方法 |
CN107507175A (zh) * | 2017-08-18 | 2017-12-22 | 潘荣兰 | 一种用于计算玉米叶部小斑病病斑所占面积比例的装置 |
CN107644200A (zh) * | 2017-08-30 | 2018-01-30 | 中国农业大学 | 基于安卓系统的病虫害感染程度检测方法及系统 |
CN108537769A (zh) * | 2018-01-08 | 2018-09-14 | 黑龙江省农业科学院植物保护研究所 | 一种玉米大斑病的识别方法、装置、设备及介质 |
CN109610132A (zh) * | 2018-11-22 | 2019-04-12 | 无锡小天鹅股份有限公司 | 衣物洗涤方法、装置和控制器 |
CN109977924A (zh) * | 2019-04-15 | 2019-07-05 | 北京麦飞科技有限公司 | 针对农作物的无人机机上实时图像处理方法及系统 |
CN111553240A (zh) * | 2020-04-24 | 2020-08-18 | 四川省农业科学院农业信息与农村经济研究所 | 一种玉米病害病情分级方法、系统和计算机设备 |
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 |
CN111862190A (zh) * | 2020-07-10 | 2020-10-30 | 北京农业生物技术研究中心 | 自动测量离体植物软腐病斑面积的方法及装置 |
CN111862190B (zh) * | 2020-07-10 | 2024-04-05 | 北京农业生物技术研究中心 | 自动测量离体植物软腐病斑面积的方法及装置 |
CN112504172A (zh) * | 2020-12-15 | 2021-03-16 | 青海大学 | 一种适用于野外的测量植物叶面积的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105180850B (zh) | 2017-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105180850A (zh) | 计算玉米叶部大斑病病斑面积比例的方法及装置 | |
WO2022184088A1 (zh) | 一种基于集成学习的洪水敏感性风险评估方法 | |
CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
CN102524024B (zh) | 基于计算机视觉的作物灌溉系统 | |
CN110363337B (zh) | 一种基于数据驱动的抽油机量油方法及系统 | |
CN100536653C (zh) | 基于计算机视觉的作物需水信息检测新方法 | |
CN112883558B (zh) | 一种水文模型参数时变形式构造方法 | |
CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
CN102636624A (zh) | 铝电解过程电解槽中氧化铝浓度的软测量方法 | |
CN102680050A (zh) | 一种基于泡沫图像特征和通风量的硫浮选液位测量方法 | |
CN110490486B (zh) | 一种企业大数据管理系统 | |
CN110827091A (zh) | 一种工业原材料价格预测方法 | |
CN113109272B (zh) | 一种滴灌棉花氮营养亏损诊断方法及系统 | |
CN107194561A (zh) | 基于熵值法和灰色gm11模型预测房地产风险的方法 | |
CN103389360A (zh) | 基于概率主元回归模型的脱丁烷塔丁烷含量软测量方法 | |
CN113486295A (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
CN113139337A (zh) | 一种用于湖泊地形模拟的分区插值处理方法与装置 | |
CN112616425A (zh) | 谷物联合收割机作业性能的在线检测方法、系统及装置 | |
CN110196797A (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
CN110457374A (zh) | 一种识别时段典型暴雨过程的方法 | |
CN116701977A (zh) | 一种基于聚类算法和神经网络的人体温度数据拟合方法 | |
CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
CN114998732A (zh) | 一种植物病害严重度评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170922 Termination date: 20210715 |
|
CF01 | Termination of patent right due to non-payment of annual fee |