CN105894003A - 一种基于机器视觉的大田果树病害监测预警系统 - Google Patents

一种基于机器视觉的大田果树病害监测预警系统 Download PDF

Info

Publication number
CN105894003A
CN105894003A CN201610275823.4A CN201610275823A CN105894003A CN 105894003 A CN105894003 A CN 105894003A CN 201610275823 A CN201610275823 A CN 201610275823A CN 105894003 A CN105894003 A CN 105894003A
Authority
CN
China
Prior art keywords
scab
image
detection
module
monitoring
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
CN201610275823.4A
Other languages
English (en)
Inventor
张冲
李淼
张健
高会议
董俊
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.)
WUXI CAS INTELLIGENT AGRICULTURAL DEVELOPMENT CO LTD
Original Assignee
WUXI CAS INTELLIGENT AGRICULTURAL DEVELOPMENT CO LTD
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 WUXI CAS INTELLIGENT AGRICULTURAL DEVELOPMENT CO LTD filed Critical WUXI CAS INTELLIGENT AGRICULTURAL DEVELOPMENT CO LTD
Priority to CN201610275823.4A priority Critical patent/CN105894003A/zh
Publication of CN105894003A publication Critical patent/CN105894003A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于机器视觉的大田果树病害监测预警系统，包括：采集终端，采集大田果园各监测点的果树生长信息，将所采集的信息实时传输至服务器端；服务器端，实现对采集终端所发送的信息进行接收、处理，并将检测结果发送至客户端；客户端，接收服务器端的检测结果，当发现服务器检测结果有疑似病斑时，进行提示预警。本发明通过采集终端获取各监测点的果树图像信息，并将该图像通过Internet传输给服务器端，通过服务器端对所采集的果树图像进行预处理和病斑检测，并根据检测的结果，通过手机短信和信号灯以及PC机，提醒管理人员，发现有疑似病菌感染的果树，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果树，并进行相应的操作。

Description

一种基于机器视觉的大田果树病害监测预警系统
技术领域
本发明涉及图像识别技术领域，尤其是一种基于机器视觉的大田果树病害监测预警系统。
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，如地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域，并且已得到了广泛的应用，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。
对于大田果树在生长过程中可能发生的病害，传统方法一般是通过人工在田间实地查看。这种方法虽然对于病害种类的判断准确率高，但由于果园面积一般比较大，需要耗费大量的人力成本，而且没办法实时进行查看，往往只有当小范围内有大面积病害情况发生的时候才会被察觉，严重影响了果园的生产活动。
发明内容
本发明的目的在于提供一种能够自动监测大田果树的实时生长状况并判断是否有病害发生，为大田果园合理管理适时地提供预警信息，保证大田果树正常生长的基于机器视觉的大田果树病害监测预警系统。
为实现上述目的，本发明采用了以下技术方案：一种基于机器视觉的大田果树病害监测预警系统，包括：
采集终端，用于采集大田果园各监测点的果树生长信息，并将所采集的信息通过Internet网络实时传输至服务器端；
服务器端，用于实现对采集终端所发送的信息进行接收、处理，检测果树是否出现病斑并将检测结果发送至客户端；
客户端，用于接收服务器端的检测结果，当发现服务器检测结果有疑似病斑时，进行提示预警。
所述采集终端将各监测点进行分区域管理，通过采用网络摄像头，将每一个监测点的果树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端。
所述服务器端包括：
接收模块，对各个监测点获取的图像进行接收并存储；
病害检测模块，由预处理模块和病斑检测模块组成：
预处理模块，对于各个监测点的图像分别进行灰度化处理，获取预处理图像的灰度图,然后进行直方图均衡化和图像平滑处理；
病斑检测模块，对于灰度图进行边缘检测，然后对于一定时间间隔内的边缘结果进行区域增长分析，结合增长部分边缘所包含部分的颜色和形状特征，来判断是否是病斑，并给出判断结果。
所述客户端包括：
手机短信通知模块，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；
信号灯，设置在每一个监测点，当服务器端检测结果有疑似病斑时，信号灯闪烁，提醒管理人员该区域检测到疑似病斑；
PC机，以消息的形式提示，并结合实时的监控探头，远程查看对应监测点果树生长情况。
所述预处理模块包括：
灰度化处理模块，采用加权平均法对图像进行灰度化处理；
直方图均衡化处理模块，对灰度图进行调整，把原始图的灰度图变为均匀分布的形式；
图像平滑处理模块，对于接收到的待检测图像进行中值滤波平滑处理。
所述病斑检测模块包括：
边缘检测模块，对于灰度图利用canny算子进行边缘检测，然后进行绿色部分检测，即将经过图像平滑和直方图均衡化处理的图像从RGB空间转换到HSV空间下，利用阈值，检测出图像中的绿色部分；然后去除绿色部分，即在边缘检测后的图中查找属于绿色像素点对应的边缘部分，将这部分边缘设置为黑色，此时所检测得到的边缘就是疑似病斑边缘；
区域增长分析模块，对于检测得到的边缘结果，根据不同时间的结果以及区域增长原理，查看对应的边缘部分是否出现扩张，如果是，则结合增长部分边缘所包含部分的颜色和形状特征，推断是否是病斑，并给出判断结果。
所述一定时间间隔为1个小时。
由上述技术方案可知，本发明通过采集终端获取各监测点的果树图像信息，并将该图像通过Internet传输给服务器端，通过服务器端对所采集的果树图像进行预处理和病斑检测，并根据检测的结果，通过手机短信和信号灯以及PC机，提醒管理人员，发现有疑似病菌感染的果树，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果树，并进行相应的操作。
附图说明
图1为本发明的结构框图；
图2为图1中服务器端的结构框图。
具体实施方式
如图1所示，一种基于机器视觉的大田果树病害监测预警系统，包括：采集终端，用于采集大田果园各监测点的果树生长信息，并将所采集的信息通过Internet网络实时传输至服务器端1；服务器端1，用于实现对采集终端所发送的信息进行接收、处理，检测果树是否出现病斑并将检测结果发送至客户端2；客户端2，用于接收服务器端1的检测结果，当发现服务器检测结果有疑似病斑时，进行提示预警。所述采集终端将各监测点进行分区域管理，通过采用网络摄像头，将每一个监测点的果树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端1。
如图1所示，所述客户端2包括：手机短信通知模块，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；信号灯，设置在每一个监测点，当服务器端1检测结果有疑似病斑时，信号灯闪烁，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；PC机，以消息的形式提示，并结合实时的监控探头，远程查看对应监测点果树生长情况。
如图2所示，所述服务器端1包括：接收模块，对各个监测点获取的图像进行接收并存储；病害检测模块，由预处理模块和病斑检测模块组成：预处理模块，对于各个监测点的图像分别进行灰度化处理，获取预处理图像的灰度图,然后进行直方图均衡化和图像平滑处理；病斑检测模块，对于灰度图进行边缘检测，然后对于一定时间间隔内的边缘结果进行区域增长分析，结合增长部分边缘所包含部分的颜色和形状特征，来判断是否是病斑，并给出判断结果。所述一定时间间隔为1个小时。
所述预处理模块包括：灰度化处理模块，采用加权平均法对图像进行灰度化处理；直方图均衡化处理模块，对灰度图进行调整，把原始图的灰度图变为均匀分布的形式；图像平滑处理模块，对于接收到的待检测图像进行中值滤波平滑处理。
所述病斑检测模块包括：
边缘检测模块，对于灰度图利用canny算子进行边缘检测，然后进行绿色部分检测，即将经过图像平滑和直方图均衡化处理的图像从RGB空间转换到HSV空间下，利用阈值，检测出图像中的绿色部分；然后去除绿色部分，即在边缘检测后的图中查找属于绿色像素点对应的边缘部分，将这部分边缘设置为黑色，此时所检测得到的边缘就是疑似病斑边缘；病斑区域即非绿色区域跟正常区域即绿色区域的边界是相同的，因为这两部分是连在一起的，将绿色部分的边缘标记为黑色，得到的既是正常区域的边界，也是病斑区域的边界。
区域增长分析模块，对于检测得到的边缘结果，根据不同时间的结果以及区域增长原理，查看对应的边缘部分是否出现扩张，如果是，则结合增长部分边缘所包含部分的颜色和形状特征，推断是否是病斑，并给出判断结果；反之，说明未出现病斑，不做处理。
综上所述，本发明通过采集终端获取各监测点的果树图像信息，并将该图像通过Internet传输给服务器端1，通过服务器端1对所采集的果树图像进行预处理和病斑检测，并根据检测的结果，通过手机短信和信号灯以及PC机，提醒管理人员，发现有疑似病菌感染的果树，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果树，并进行相应的操作。

Claims (7)

1.一种基于机器视觉的大田果树病害监测预警系统，其特征在于：包括：
采集终端，用于采集大田果园各监测点的果树生长信息，并将所采集的信息通过Internet网络实时传输至服务器端（1）；
服务器端（1），用于实现对采集终端所发送的信息进行接收、处理，检测果树是否出现病斑并将检测结果发送至客户端（2）；
客户端（2），用于接收服务器端（1）的检测结果，当发现服务器检测结果有疑似病斑时，进行提示预警。
2.根据权利要求1所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述采集终端将各监测点进行分区域管理，通过采用网络摄像头，将每一个监测点的果树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端（1）。
3.根据权利要求1所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述服务器端（1）包括：
接收模块，对各个监测点获取的图像进行接收并存储；
病害检测模块，由预处理模块和病斑检测模块组成：
预处理模块，对于各个监测点的图像分别进行灰度化处理，获取预处理图像的灰度图,然后进行直方图均衡化和图像平滑处理；
病斑检测模块，对于灰度图进行边缘检测，然后对于一定时间间隔内的边缘结果进行区域增长分析，结合增长部分边缘所包含部分的颜色和形状特征，来判断是否是病斑，并给出判断结果。
4.根据权利要求1所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述客户端（2）包括：
手机短信通知模块，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；
信号灯，设置在每一个监测点，当服务器端（1）检测结果有疑似病斑时，信号灯闪烁，提醒管理人员该区域检测到疑似病斑；
PC机，以消息的形式提示，并结合实时的监控探头，远程查看对应监测点果树生长情况。
5.根据权利要求3所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述预处理模块包括：
灰度化处理模块，采用加权平均法对图像进行灰度化处理；
直方图均衡化处理模块，对灰度图进行调整，把原始图的灰度图变为均匀分布的形式；
图像平滑处理模块，对于接收到的待检测图像进行中值滤波平滑处理。
6.根据权利要求3所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述病斑检测模块包括：
边缘检测模块，对于灰度图利用canny算子进行边缘检测，然后进行绿色部分检测，即将经过图像平滑和直方图均衡化处理的图像从RGB空间转换到HSV空间下，利用阈值，检测出图像中的绿色部分；然后去除绿色部分，即在边缘检测后的图中查找属于绿色像素点对应的边缘部分，将这部分边缘设置为黑色，此时所检测得到的边缘就是疑似病斑边缘；
区域增长分析模块，对于检测得到的边缘结果，根据不同时间的结果以及区域增长原理，查看对应的边缘部分是否出现扩张，如果是，则结合增长部分边缘所包含部分的颜色和形状特征，推断是否是病斑，并给出判断结果。
7.根据权利要求3所述的基于机器视觉的大田果树病害监测预警系统，其特征在于：所述一定时间间隔为1个小时。
CN201610275823.4A 2016-04-29 2016-04-29 一种基于机器视觉的大田果树病害监测预警系统 Pending CN105894003A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610275823.4A CN105894003A (zh) 2016-04-29 2016-04-29 一种基于机器视觉的大田果树病害监测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610275823.4A CN105894003A (zh) 2016-04-29 2016-04-29 一种基于机器视觉的大田果树病害监测预警系统

Publications (1)

Publication Number Publication Date
CN105894003A true CN105894003A (zh) 2016-08-24

Family

ID=56701831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610275823.4A Pending CN105894003A (zh) 2016-04-29 2016-04-29 一种基于机器视觉的大田果树病害监测预警系统

Country Status (1)

Country Link
CN (1) CN105894003A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650594A (zh) * 2016-10-09 2017-05-10 北方民族大学 视频火灾检测方法、装置及系统
CN109101029A (zh) * 2018-09-03 2018-12-28 重庆大学 一种果园自动巡逻检害智能小车及其工作方法
CN109255779A (zh) * 2018-08-17 2019-01-22 南京邮电大学 基于物联网的托管种植服务平台
CN109752376A (zh) * 2018-12-28 2019-05-14 佛山科学技术学院 一种基于计算机视觉的皇帝柑健康监测系统
WO2019184212A1 (zh) * 2018-03-30 2019-10-03 深圳春沐源控股有限公司 一种分析虫害趋势的方法、装置及计算机可读存储介质
CN111122453A (zh) * 2018-11-01 2020-05-08 阿里巴巴集团控股有限公司 信息处理方法、装置和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103425088A (zh) * 2012-05-17 2013-12-04 乔广行 一种农作物病虫害监测系统
CN104778686A (zh) * 2015-03-23 2015-07-15 无锡中科智能农业发展有限责任公司 一种基于病斑监测的组培预警方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425088A (zh) * 2012-05-17 2013-12-04 乔广行 一种农作物病虫害监测系统
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
CN104778686A (zh) * 2015-03-23 2015-07-15 无锡中科智能农业发展有限责任公司 一种基于病斑监测的组培预警方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650594A (zh) * 2016-10-09 2017-05-10 北方民族大学 视频火灾检测方法、装置及系统
WO2019184212A1 (zh) * 2018-03-30 2019-10-03 深圳春沐源控股有限公司 一种分析虫害趋势的方法、装置及计算机可读存储介质
CN109255779A (zh) * 2018-08-17 2019-01-22 南京邮电大学 基于物联网的托管种植服务平台
CN109101029A (zh) * 2018-09-03 2018-12-28 重庆大学 一种果园自动巡逻检害智能小车及其工作方法
CN111122453A (zh) * 2018-11-01 2020-05-08 阿里巴巴集团控股有限公司 信息处理方法、装置和系统
CN109752376A (zh) * 2018-12-28 2019-05-14 佛山科学技术学院 一种基于计算机视觉的皇帝柑健康监测系统

Similar Documents

Publication Publication Date Title
CN105894003A (zh) 一种基于机器视觉的大田果树病害监测预警系统
Gongal et al. Apple fruit size estimation using a 3D machine vision system
CN104778686B (zh) 一种基于病斑监测的组培预警方法
KR101832724B1 (ko) 영상이미지를 통한 농작물 생육 진단 시스템 및 방법
Qureshi et al. Machine vision for counting fruit on mango tree canopies
CN105938564B (zh) 基于主成分分析和神经网络的水稻病害识别方法及系统
Arakeri et al. Computer vision based robotic weed control system for precision agriculture
KR20150000435A (ko) 작물 생장 단계 인식 및 환경 제어 시스템 및 그 방법
KR101633710B1 (ko) 영상처리 및 센서 기반의 스마트 잔디관리 시스템 및 그 방법
KR101822410B1 (ko) 작물 영상을 사용한 작물 생육 진단 장치
CN108491807B (zh) 一种奶牛发情行为实时监测方法及系统
CN107121535B (zh) 一种有效的农作物生长环境监测系统
CN103903252A (zh) 棉田虫情自动监测装置及监测方法
CN210570820U (zh) 一种农业检测预警系统
CN110728810B (zh) 一种分布式目标监测系统和方法
CN113050473A (zh) 一种智慧农业用虫情远程监控系统
Ji et al. In-field automatic detection of maize tassels using computer vision
CN112257702A (zh) 一种基于增量学习的农作物病害识别方法
CN115861721B (zh) 基于图像数据的畜禽养殖喷雾设备状态识别方法
CN115631421B (zh) 耕地智慧保护方法及保护系统
CN114460080A (zh) 一种水稻病虫智能监控系统
CN111109217A (zh) 一种智能杀虫灯控制系统
CN112106747A (zh) 一种智慧农业虫害远程自动监控系统
KR20180043082A (ko) 식물병 감지 시스템 및 그 방법
CN210428540U (zh) 一种昆虫类型识别设备及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160824

RJ01 Rejection of invention patent application after publication