CN105223202A - 一种检测农作物叶部病害的方法 - Google Patents
一种检测农作物叶部病害的方法 Download PDFInfo
- Publication number
- CN105223202A CN105223202A CN201410295343.5A CN201410295343A CN105223202A CN 105223202 A CN105223202 A CN 105223202A CN 201410295343 A CN201410295343 A CN 201410295343A CN 105223202 A CN105223202 A CN 105223202A
- Authority
- CN
- China
- Prior art keywords
- image
- scab
- crops
- crops leaf
- component
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
一种检测农作物叶部病害的方法,采集待测农作物的叶部图像并上传至同时具备病害图像自动识别功能和专家诊断系统功能的在线检测平台,对待测农作物叶部病斑图像实现分割与识别,输出检测结果并给出防治建议,其中的病斑图像分割是将原始图像从RGB模型空间转化到HSI空间,分别提取HSI空间下的H分量和I分量图像,然后对H分量图像使用最大类间方差法进行动态阈值分割,初步得到病斑的区域图像;再将I分量图像与上述H分量的分割结果相叠加,消除背景区域对病斑分割造成的误判,得到仅包含病斑区域的二值图像;利用形态学方法对上述分割结果进行后续处理,最终得到待测农作物叶部病斑的完整图像。
Description
技术领域
本发明属于农业现代化领域,涉及对农作物健康状况进行诊断与识别,具体涉及一种检测农作物叶部病害的方法。
背景技术
我国是一个农业大国,受农作物种类多,种植面积大,气候条件复杂多样,生态基础脆弱等因素的综合影响,病害种类繁多,分布广泛,发生频繁。准确、快速地实现病害检测,是农作物病害综合防治的关键技术,只有在正确诊断患病类型的前提下,才能采取适时对路的策略,迅速做出防治措施。随着计算机技术和图像处理技术的迅速发展,国内外研究人员已开始将计算机视觉理论应用于农业生产及农业现代化方面。然而,现有的农作物病害检测的方法中,图像获取的途径固定,均采用单一的确定的图像采集方式,仅能针对特定类型和质量的农作物图像进行处理,且部分图像采集设备要求较高的成本,不具备广泛的实用性。此外,由于农作物病害图像具有复杂性和多样性,加之受实际系统环境和方法本身的限制,检测的速度和准确度也有待提高。
发明内容
本发明采用的技术方案是:一种农作物叶部病害检测方法,包括如下步骤:首先,用户直接利用图像采集设备在田间现场对待检测的农作物叶片进行拍照及保存,实现对原始图片的获取;其次,用户通过无线传输或联机在线上传的方式,将待检测的原始图片上传至农作物叶部病害网络在线检测平台中;最后,上述网络在线检测平台采用可视化编程语言实现一个视窗操作平台系统,包括农作物叶部病斑图像自动识别系统和专家诊断系统,以实现对检测结果的实时获取和存储;其中,所述农作物叶部病斑图像自动识别系统,通过读取接收到的农作物叶片原始图像,对叶部病斑进行分割,获得病斑区域的图像,提取表征其特征参数,针对不同类型农作物病害的病理学特点,采用模式识别方法对上述特征参数进行识别,得到最终的待测农作物叶部病斑检测结果;所述专家诊断系统,是根据病理学资料和植保专家经验建立多种农作物叶部病害数据库,该数据库能够在得到病害检测结果后,实时地输出该病害类型的描述,并给出建议的防治措施,便于用户及早发现病害,做到对症下药;
其中所述农作物叶部病斑图像自动识别系统中的病斑图像分割方法步骤如下:第一步,读取原始彩色图像并将原始图像从RGB模型空间转换至HSI模型空间;第二步,分别提取HSI模型空间下对应的H分量图像和I分量图像;第三步,对H分量图像使用最大类间方差法进行动态阈值分割,初步分割得到叶部病斑区域的二值化图像;第四步,将所得二值化图像与I分量的图像进行叠加运算,消除背景区域对病斑分割造成的误判,得到仅包含病斑区域的二值图像;第五步,对上一步所得二值图像,采用形态学方法填充病斑区域内部的孔洞,完整病斑形状。第六步,输出分割完成后的农作物叶部病斑区域的完整图像。
所述图像采集设备包括手机和数码相机。
附图说明
图1为本发明的病害检测过程整体框图。
具体实施方式
如图1所示,病害检测过程的整体过程如下:一、用户直接利用手机、数码相机等设备在田间现场对待检测的农作物叶片进行拍照及保存,实现对原始图片的获取。二、用户通过手机网络无线传输或联机在线上传的方式,将待检测的原始图片上传至农作物叶部病害网络在线检测平台中。三、上述网络在线检测平台采用可视化编程语言实现一个视窗操作平台系统,满足界面友好、操作简便、便于非专业人士使用等要求,同时具备病斑图像自动识别系统功能和专家诊断系统功能,实现对检测结果的实时获取和存储。其中,农作物叶部病斑图像自动识别系统,通过读取接收到的农作物叶片原始图像。专家诊断系统,通过收集病理学资料和植保专家经验,建立了多种农作物叶部病害数据库,该数据库能够在得到病害检测结果后,实时地输出该病害类型的描述,并给出植保专家建议的防治措施,便于用户及早发现病害,做到对症下药。
Claims (4)
1.一种一种检测农作物叶部病害的方法,包括如下步骤:首先,用户直接利用图像采集设备在田间现场对待检测的农作物叶片进行拍照及保存;其次,用户通过无线传输或联机在线上传的方式,将待检测的原始图片上传至农作物叶部病害网络在线检测平台中;最后,上述网络在线检测平台采用可视化编程语言实现一个视窗操作平台系统,以实现对检测结果的实时获取和存储;其中所述农作物叶部病斑图像自动识别系统中的病斑图像分割方法步骤如下:第一步,读取原始彩色图像并将原始图像从RGB模型空间转换至HSI模型空间;第二步,分别提取HSI模型空间下对应的H分量图像和I分量图像;第三步,对H分量图像使用最大类间方差法进行动态阈值分割,初步分割得到叶部病斑区域的二值化图像;第四步,将所得二值化图像与I分量的图像进行叠加运算,消除背景区域对病斑分割造成的误判,得到仅包含病斑区域的二值图像;第五步,对上一步所得二值图像,采用形态学方法填充病斑区域内部的孔洞,完整病斑形状;第六步,输出分割完成后的农作物叶部病斑区域的完整图像。
2.根据权利要求1所述的一种检测农作物叶部病害的方法,其特征在于,所述第四步中背景区域包括土地以及光斑。
3.根据权利要求1所述的一种检测农作物叶部病害的方法,其特征在于,所述第五步是在病斑区域内部可能出现非连通情况的区域进行的。
4.根据权利要求3所述的一种检测农作物叶部病害的方法,其特征在于,所述非连通情况包括孔洞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410295343.5A CN105223202A (zh) | 2014-06-27 | 2014-06-27 | 一种检测农作物叶部病害的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410295343.5A CN105223202A (zh) | 2014-06-27 | 2014-06-27 | 一种检测农作物叶部病害的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105223202A true CN105223202A (zh) | 2016-01-06 |
Family
ID=54992276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410295343.5A Pending CN105223202A (zh) | 2014-06-27 | 2014-06-27 | 一种检测农作物叶部病害的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105223202A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108287914A (zh) * | 2018-02-09 | 2018-07-17 | 辽宁工程技术大学 | 一种基于卷积神经网络的果树病害识别与防治方法 |
CN109446955A (zh) * | 2018-10-17 | 2019-03-08 | 南京理工大学泰州科技学院 | 一种图像处理方法、装置、无人机及服务器 |
-
2014
- 2014-06-27 CN CN201410295343.5A patent/CN105223202A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108287914A (zh) * | 2018-02-09 | 2018-07-17 | 辽宁工程技术大学 | 一种基于卷积神经网络的果树病害识别与防治方法 |
CN109446955A (zh) * | 2018-10-17 | 2019-03-08 | 南京理工大学泰州科技学院 | 一种图像处理方法、装置、无人机及服务器 |
CN109446955B (zh) * | 2018-10-17 | 2020-08-25 | 南京理工大学泰州科技学院 | 一种图像处理方法、装置、无人机及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102759528B (zh) | 一种农作物叶部病害检测方法 | |
CN109522788B (zh) | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 | |
CN109800697B (zh) | 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法 | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
CN103402044A (zh) | 一种基于多源视频融合的目标识别与跟踪系统 | |
CN105957090B (zh) | 一种基于达芬奇技术的单目视觉位姿测量方法及系统 | |
CN104846054A (zh) | 一种基于形态学特征的白带中霉菌的自动检测方法 | |
CN102103699B (zh) | 一种基于图像检测棉花吐絮的方法 | |
CN103903006A (zh) | 一种基于Android平台的农作物害虫识别方法及系统 | |
CN104268138A (zh) | 融合深度图和三维模型的人体运动捕捉方法 | |
Liu et al. | 3DBunch: A novel iOS-smartphone application to evaluate the number of grape berries per bunch using image analysis techniques | |
CN107274368B (zh) | 兼容性视觉处理系统及方法 | |
CN105761245A (zh) | 一种基于视觉特征点的自动跟踪方法及装置 | |
CN109636779A (zh) | 识别家禽体积体尺的方法、装置及存储介质 | |
CN105389581A (zh) | 一种胚芽米胚芽完整度智能识别系统及其识别方法 | |
KR20210077504A (ko) | 스마트팜 데이터 생육연동시스템 | |
CN105223202A (zh) | 一种检测农作物叶部病害的方法 | |
CN106483130A (zh) | 一种水稻病害的检测方法及其自动检测装置 | |
CN104793068A (zh) | 基于图像采集的自动测试方法 | |
CN103120581B (zh) | 整合心跳量测及身份辨识的系统及方法 | |
CN110456050B (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN107895503A (zh) | 一种无人值守的停车场监控系统 | |
CN110852795A (zh) | 一种基于计算机视觉的手机估价系统及其估价方法 | |
CN107993243B (zh) | 一种基于rgb图像的小麦分蘖数自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160106 |
|
WD01 | Invention patent application deemed withdrawn after publication |