CN109164069B - 一种果树叶面病害级别的鉴定方法 - Google Patents

一种果树叶面病害级别的鉴定方法 Download PDF

Info

Publication number
CN109164069B
CN109164069B CN201811144200.9A CN201811144200A CN109164069B CN 109164069 B CN109164069 B CN 109164069B CN 201811144200 A CN201811144200 A CN 201811144200A CN 109164069 B CN109164069 B CN 109164069B
Authority
CN
China
Prior art keywords
disease
area
glossiness
leaf
leaves
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
Application number
CN201811144200.9A
Other languages
English (en)
Other versions
CN109164069A (zh
Inventor
赵龙龙
李庆亮
张未仲
胡增丽
李捷
周旭凌
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.)
Pomology Institute Shanxi Academy of Agricultural Sciences
Original Assignee
Pomology Institute Shanxi Academy of Agricultural Sciences
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 Pomology Institute Shanxi Academy of Agricultural Sciences filed Critical Pomology Institute Shanxi Academy of Agricultural Sciences
Priority to CN201811144200.9A priority Critical patent/CN109164069B/zh
Publication of CN109164069A publication Critical patent/CN109164069A/zh
Application granted granted Critical
Publication of CN109164069B publication Critical patent/CN109164069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G01N21/57—Measuring gloss
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及植物保护学科，具体涉及一种果树叶面病害级别的鉴定方法，具体方法按照以下步骤进行操作，取若干样品叶片进行光泽度测定得平均值y；对所有叶片进行图像扫描并处理，得到病害区域和整张叶片像素面积；将单个叶片病害区域像素面积除以整张叶片像素面积，得到病害面积占总叶面积的比值x；将平均光泽度y和病害面积占总面积比例x进行回归分析得到方程y=ax+b；将果树叶片病害评价等级标准中各等级病害所占的比例带入方程y=ax+b，取得各个等级所对应的光泽度值范围，建立评价病害等级标准表；将待测叶片测定的光泽度与标准表的光泽度值进行比对，即可得知果树叶片的病害等级；本发明操作简单、方便，利用测定光泽度的方法进行叶面病害等级鉴定。

Description

一种果树叶面病害级别的鉴定方法
技术领域
本发明涉及植物保护学科，具体涉及一种果树叶面病害级别的鉴定方法，属于叶面病技术领域。
背景技术
果树叶面病害是影响果树生产的一种重要生物因素，轻者影响果树叶片的光合作用，重者造成落叶，直接关系到果树产出和品质。在治理果树叶部病害、筛选抗性品种、确定防治效果等过程中需涉及对果树叶部病害鉴定分级。目前的分级方法为取果树叶片，通过目测面积法、方格纸测定面积法测定病变部位面积占整个叶片面积的百分比，再根据等级标准表确定级别。在确定病害等级过程中，目测法受人为因素干扰较多，误差较大。方格纸测定面积法虽然准确，但步骤繁琐，不能快速出结果。因此，发明一种快速鉴定果树叶面病害级别的鉴定方法对科研人员和基层技术服务人员尤为重要。
发明内容
为解决现有技术存在的技术问题，本发明提供了一种操作简单、方便，利用测定光泽度的方法进行叶面病害等级鉴定的果树叶面病害级别的鉴定方法。
为实现上述目的，本发明所采用的技术方案为一种果树叶面病害级别的鉴定方法，按照以下步骤进行操作，
a、取某种果树若干样品叶片，该样品叶片包含了病害叶片和健康叶片，在样品叶片上取若干点进行光泽度测定得平均值y；
b、对步骤a中取得的所有叶片进行图像扫描；
c、将扫描得到的图像进行8bit图像转化；
d、将处理后的图像进行颜色阈值识别处理，处理后分别得到病害区域和整张叶片像素面积；
e、将单个叶片病害区域像素面积除以整张叶片像素面积，得到病害面积占总叶面积的比值x；
f、将样品叶片对应的平均光泽度y和病害面积占总面积比例x进行回归分析得到方程y=ax+b；
g、将果树叶片病害评价等级标准中各等级病害所占的比例带入方程y=ax+b，取得各个等级所对应的光泽度值范围，建立以光泽度值为依据的评价病害等级标准表；
h、将待测叶片测定的光泽度与步骤g中所建立的评价病害等级标准表的光泽度值进行比对，即可得知果树叶片的病害等级。
优选的，所述样品叶片的数量≥50张，每张样品叶片选取8个点进行光泽度测定。
优选的，所述步骤a中利用便携式光泽度仪测定叶片的光泽度。
与现有技术相比，本发明具有以下技术效果：本发明通过将果树样品叶部病害比例与对应光泽度值进行转换，建立以光泽度值为等级标准表，某一果树树种病害等级一旦建立，便可长期作参照，在后续的检测和鉴定过程中，只需用便携式光泽度仪测定叶片光泽度值，查询级别参照表，便可获得叶部病害的发病级数。该方法精确，效率高，操作简单，易于推广，同时也可应用于物联网远程监测，减少相关识别模块的应用以节约资源。
附图说明
图1 为本发明的病害鉴定分级标准流程图。
图2 为本发明的待测果树叶片病变级别检测流程图。
图3 为本发明中梨树叶片样本的扫描图。
图4 为本发明中梨树叶片样本8bit图像处理后图。
图5 为本发明中梨树叶片样本阈值调整后的病斑区域图。
图6 为本发明中梨树叶片样本阈值调整后的整张叶面图。
图7 为本发明中梨树叶片样本中光泽度测量部位的示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1和图2所示，一种果树叶面病害级别的鉴定方法，按照以下步骤进行操作，
a、取某种果树若干样品叶片，该样品叶片包含了病害叶片和健康叶片，且样品叶片的数量≥50张，每张样品叶片选取8个点利用便携式光泽度仪进行光泽度测定，并计算得到平均值y；
b、对步骤a中取得的所有叶片进行图像扫描；
c、将扫描得到的图像进行8bit图像转化；
d、将处理后的图像进行颜色阈值识别处理，处理后分别得到病害区域和整张叶片像素面积；
e、将单个叶片病害区域像素面积除以整张叶片像素面积，得到病害面积占总叶面积的比值x；
f、将样品叶片对应的平均光泽度y和病害面积占总面积比例x进行回归分析得到方程y=ax+b；
g、将果树叶片病害评价等级标准中各等级病害所占的比例带入方程y=ax+b，取得各个等级所对应的光泽度值范围，建立以光泽度值为依据的评价病害等级标准表；
h、将待测叶片测定的光泽度与步骤g中所建立的评价病害等级标准表的光泽度值进行比对，即可得知果树叶片的病害等级。
更具体的，以煤污病梨树叶片为例，取带有不同感染程度的煤污病梨树叶片和健康梨树叶片样本约50张，在所采样品上取8个点进行光泽度测定，并计算光泽度平均值y，如图7所示；对采集的梨树叶片样本进行扫描，得到相应扫描图，如图3所示；将扫描的图像进行8bit图像转化，如图4所示；将处理后的图像进行颜色阈值识别处理，如图5和图6所示，分别得到病害区域和整张叶片像素面积；将单个梨树叶片病害区域像素面积除以整张叶片像素面积，取得病害面积占总叶面积的比值x；将单个叶片对应的光泽度y和叶片病害面积占总面积x进行回归分析得到方程y=-3.255x+2.372。
参照植物叶片病害鉴定分级标准表：
0级：无病斑；
1级：病斑面积占整个叶面积5%以下；
3级：病斑面积占整个叶面积6-10%；
5级：病斑面积占整个叶面积11-20%；
7级：病斑面积占整个叶面积21-50%；
9级：病斑面积占整个叶面积50%以上；
将各级所对应的比值带入y=-3.255x+2.372得到以光泽度值为参考的病害鉴定分级标准表：
0级：光泽度值为2.37或以上；
1级：光泽度值为2.36-2.21；
3级：光泽度值为2.18-2.05；
5级：光泽度值为2.01-1.72；
7级：光泽度值为1.69-0.75；
9级：光泽度值为0.75以下；
取待测梨树叶片进行光泽度测定得平均光泽度值为2.13，参考病害鉴定分级标准得出梨树叶片病害等级为3级，另利用用方格纸测定法得病斑比总叶面积为7.5%和图像扫描处理测得病斑面积比叶部面积为8.4%均为3级。经3种方法测定验证后，证明本发明结果准确、可行且便捷。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包在本发明范围内。

Claims (3)

1.一种果树叶面病害级别的鉴定方法，其特征在于：按照以下步骤进行操作，
a、取某种果树若干样品叶片，该样品叶片包含了病害叶片和健康叶片，在样品叶片上取若干点进行光泽度测定得平均值y；
b、对步骤a中取得的所有叶片进行图像扫描；
c、将扫描得到的图像进行8bit图像转化；
d、将处理后的图像进行颜色阈值识别处理，处理后分别得到病害区域和整张叶片像素面积；
e、将单个叶片病害区域像素面积除以整张叶片像素面积，得到病害面积占总叶面积的比值x；
f、将样品叶片对应的平均光泽度y和病害面积占总面积比例x进行回归分析得到方程y=ax+b；
g、将果树叶片病害评价等级标准中各等级病害所占的比例带入方程y=ax+b，取得各个等级所对应的光泽度值范围，建立以光泽度值为依据的评价病害等级标准表；
h、将待测叶片测定的光泽度与步骤g中所建立的评价病害等级标准表的光泽度值进行比对，即可得知果树叶片的病害等级。
2.根据权利要求1所述的一种果树叶面病害级别的鉴定方法，其特征在于：所述样品叶片的数量≥50张，每张样品叶片选取8个点进行光泽度测定。
3.根据权利要求1所述的一种果树叶面病害级别的鉴定方法，其特征在于：所述步骤a中利用便携式光泽度仪测定叶片的光泽度。
CN201811144200.9A 2018-09-29 2018-09-29 一种果树叶面病害级别的鉴定方法 Active CN109164069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811144200.9A CN109164069B (zh) 2018-09-29 2018-09-29 一种果树叶面病害级别的鉴定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811144200.9A CN109164069B (zh) 2018-09-29 2018-09-29 一种果树叶面病害级别的鉴定方法

Publications (2)

Publication Number Publication Date
CN109164069A CN109164069A (zh) 2019-01-08
CN109164069B true CN109164069B (zh) 2020-12-22

Family

ID=64892768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811144200.9A Active CN109164069B (zh) 2018-09-29 2018-09-29 一种果树叶面病害级别的鉴定方法

Country Status (1)

Country Link
CN (1) CN109164069B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580495A (zh) * 2019-06-21 2019-12-17 南京农业大学 一种梨树叶面积与叶面炭疽病病斑数自动化分析方法
CN111208143A (zh) * 2020-01-17 2020-05-29 贵州省烟草科学研究院 一种基于Photoshop软件测定烟叶残伤的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0739998B2 (ja) * 1986-10-27 1995-05-01 株式会社東海理化電機製作所 表面状態測定装置
JP3468877B2 (ja) * 1994-10-27 2003-11-17 矢崎総業株式会社 植物の自動診断方法及び装置
US7715013B2 (en) * 2005-09-16 2010-05-11 The United States Of America As Represented By The Administrator Of The United States Environmental Protection Agency Optical system for plant characterization
CN101539531B (zh) * 2009-04-09 2011-11-16 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
DE102010034603B4 (de) * 2010-08-13 2013-01-31 Franke Gmbh Sensorsystem und Verfahren zur Bestimmung einer optischen Eigenschaft einer Pflanze
CN102507504B (zh) * 2011-10-25 2013-09-18 南京林业大学 一种马尾松松材线虫病的高光谱监测方法
CN103778630A (zh) * 2014-01-16 2014-05-07 中华人民共和国海南出入境检验检疫局 基于android的田间病害程度图像识别方法
CN105760871A (zh) * 2014-12-14 2016-07-13 仲恺农业工程学院 一种植物叶斑类病害抗性鉴定新方法

Also Published As

Publication number Publication date
CN109164069A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
CN108663339B (zh) 基于光谱和图像信息融合的霉变玉米在线检测方法
CN1995987B (zh) 基于高光谱图像技术的农畜产品无损检测方法
CN101059426A (zh) 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法
CN107392920B (zh) 一种基于可见光-太赫兹光的植株健康辨别方法和装置
CN110441249B (zh) 基于高光谱图像技术的窖泥总酸预测模型建立的方法
CN109164069B (zh) 一种果树叶面病害级别的鉴定方法
CN110763698A (zh) 一种基于特征波长的高光谱柑橘叶片病害识别方法
WO2021068545A1 (zh) 一种基于改进主成分分析的拉曼特征谱峰提取方法
US20080102487A1 (en) Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery
CN111380813B (zh) 一种便携式小麦种子多品质无损检测装置及检测方法
KR20220038602A (ko) 미생물을 동정하는 방법 및 시스템
CN112098361A (zh) 一种基于近红外光谱的玉米种子鉴别方法
CN111337450A (zh) 一种大米加工精度等级的快速无损判定方法及装置
CN115909057A (zh) 一种基于高光谱成像的牛黄智能鉴别方法及应用
CN105911000B (zh) 基于特征波段的血斑蛋在线检测方法
CN104297136A (zh) 一种基于高光谱图像对铜绿假单胞杆菌生长预测的方法
CN101911877B (zh) 基于激光漫反射图像技术的种子生命力鉴别装置和方法
CN102184389A (zh) 用于心材与边材高色差树种的年轮自动识别方法
Chao et al. Analysis of Vis/NIR spectral variations of wholesome, septicemia, and cadaver chicken samples
KR101907563B1 (ko) 초분광 영상을 이용한 유정란 내부 배아 생존유무 판별방법
Zhang et al. Analysis of moisture and total sugar content of Huizao based on surface images
CN114693636A (zh) 一种混合高粱中支链与直链淀粉含量的检测方法
CN113866122A (zh) 一种鸡品种快速鉴别方法及其应用
CN112611745A (zh) 一种水果可溶性固形物间接无损检测方法及系统
CN110111029A (zh) 一种鉴定马鹿、狍及梅花鹿毛发的形态学方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant