CN116258968B - 一种林果病虫管理方法及系统 - Google Patents
一种林果病虫管理方法及系统 Download PDFInfo
- Publication number
- CN116258968B CN116258968B CN202310517555.2A CN202310517555A CN116258968B CN 116258968 B CN116258968 B CN 116258968B CN 202310517555 A CN202310517555 A CN 202310517555A CN 116258968 B CN116258968 B CN 116258968B
- Authority
- CN
- China
- Prior art keywords
- value
- pixel point
- preset
- color
- obtaining
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种林果病虫管理方法及系统。首先获取果叶表面图像;根据不同像素点之间的颜色模型大小特征获得颜色特征值;根据颜色特征值之间的差异特征获得颜色变化特征值。根据像素点所在预设方向下的颜色变化特征值差异获得颜色变异指数;根据颜色变异指数的差异获得指数差异值;根据颜色变异指数与指数差异值之间的差异特征获得变异相似系数。根据指数差异值、颜色变异指数和相似像素点数量获得病虫影响特征值;根据病虫影响特征值的分布特征分析病虫危害影响程度,进而对林果进行管理,提高了病虫危害程度的检测准确度。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种林果病虫管理方法及系统。
背景技术
林果的生长管理过程中,病虫危害是林果作物常见的问题。由于林果通常是大面积种植,出现病虫危害不易及时察觉,导致对林果的伤害较大,影响林果作物的经济效益。针对林果生长管理过程中,病虫危害的检测和预防需要经验丰富的技术人员根据林果作物的果叶变化进行检测。
而对于大面积的林果种植通过人工难以及时发现虫病危害,故需要借助现代化设备进行检测,通过无人机获取林果的果叶图像,对果叶中出现颜色变化的区域进行识别,进而判断是否受到病虫的危害。因病虫危害导致颜色变化的细节特征不够明显,导致传统的图像算法识别不够准确,造成识别的准确率不高,影响病虫危害的检测和预防。
发明内容
为了解决上述因病虫危害导致颜色变化的细节特征不够明显,造成识别的准确率不高,影响病虫危害的检测和预防的技术问题,本发明的目的在于提供一种林果病虫管理方法及系统,所采用的技术方案具体如下:
获取果叶表面图像;获得所述果叶表面图像中每个像素点的颜色特征值;根据每个像素点与预设第一邻域范围内的第一邻域像素点之间颜色特征值的差异特征,获得每个像素点的颜色变化特征值;
根据每个像素点在所述预设第一邻域范围内,预设方向下的颜色变化特征值的差异特征获得每个像素点的颜色变异指数;根据每个像素点与预设第二邻域范围内的第二邻域像素点之间颜色变异指数的差异特征获得每个像素点的指数差异值;根据每个像素点的所述指数差异值与预设第三邻域范围内每个第三邻域像素点的所述颜色变异指数的差异,获得变异相似系数;所述预设第二邻域范围小于所述预设第一邻域范围;所述预设第三邻域范围大于所述预设第一邻域范围;
根据所述变异相似系数获得每个像素点在预设第三邻域范围内的相似像素点数量,根据每个像素点的所述指数差异值、对应预设第三邻域范围内所有像素点的所述颜色变异指数和所述相似像素点数量获得每个像素点的病虫影响特征值;根据像素点的所述病虫影响特征值获得病虫危害指数并进行林果管理。
进一步地,所述颜色特征值的获取步骤包括:
将所述果叶表面图像转换至HSV颜色模型中,将HSV颜色模型中的三个颜色参数都缩放到相同区间内,计算每个像素点对应缩放后的三个颜色参数的乘积并正相关映射,获得每个像素点的所述颜色特征值。
进一步地,所述颜色变化特征值的获取步骤包括:
计算每个像素点与预设第一邻域范围内的每个第一邻域像素点之间颜色特征值的差值绝对值并累加,获得每个像素点的所述颜色变化特征值。
进一步地,所述颜色变异指数的获取步骤包括:
获取每个像素点在所述预设第一邻域范围内,预设方向下的所述颜色变化特征值的最大值和最小值,计算每个像素点对应的颜色变化特征值最小值和预设极小正数的和值,获得每个像素点的颜色变化特征最小表征值;计算每个像素点对应的颜色变化特征值最大值与颜色变化特征最小表征值的比值,获得每个像素点的所述颜色变异指数。
进一步地,所述指数差异值的获取步骤包括:
计算每个像素点与预设第二邻域范围内的所有第二邻域像素点,所述颜色变异指数的差值绝对值的平均值,获得每个像素点的所述指数差异值。
进一步地,所述变异相似系数的获取步骤包括:
计算每个像素点的所述指数差异值,与预设第三邻域范围内的每个第三邻域像素点的所述颜色变异指数的差值的平方值,作为差异表征值,并将所述差异表征值进行负相关映射,计算数值一与负相关映射的差异表征值的差值,获得每个像素点与每个第三邻域像素点之间的所述变异相似系数。
进一步地,所述相似像素点数量的获取步骤包括:
统计每个像素点的预设第三邻域范围内,所述变异相似系数大于预设相似阈值的所述第三邻域像素点的数量,获得每个像素点的所述相似像素点数量。
进一步地,所述病虫影响特征值的获取步骤包括:
计算每个像素点的预设第三邻域范围内,第三邻域像素点的所述颜色变异指数的平均值,获得每个像素点对应的颜色变异指数平均值;
当所述像素点的所述颜色变异指数大于等于对应的所述颜色变异指数平均值、所述相似像素点数量与预设第三邻域范围内像素点数量的比值大于等于预设占比、以及所述像素点的所述指数差异值小于预设差异阈值时,则所述像素点的病虫影响特征值为预设第一数值;否则为预设第二数值。
进一步地,所述获得病虫危害指数并进行林果管理的步骤包括:
计算所有果叶表面图像中所述预设第一数值的总数和总像素点数量的比值,获得所述病虫危害指数;当所述病虫危害指数大于预设病虫危害阈值时,进行林果治虫害的管理措施。
本发明还提出了一种林果病虫管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序实现任意一项一种林果病虫管理方法的步骤。
本发明具有如下有益效果:
在本发明实施例中,首先获取每个像素点的颜色特征值,能够更好地表征不同像素点之间的颜色特征,有利于区别果叶不同区域是否受到病虫危害导致变黄变黑,提高了病虫危害的检测准确性。因为果叶正常区域和受到病虫危害的区域会导致颜色特征出现差异,故通过像素点的颜色变化特征值能够表征颜色特征的差异。即使是正常的果叶表面也会存在一定的颜色变化,颜色变化特征值较小,为了更明确是否受到病虫危害,所以根据每个像素点所在预设方向下的颜色变化特征值的差异特征获得每个像素点的颜色变异指数,用以表征受病虫危害的可能程度。因拍摄过程中可能会存在噪声,为了去除孤立的噪声点对病虫危害检测准确性的影响,故计算指数差异值分析异常噪声点的情况。通过指数差异值、颜色变异指数和相似像素点数量共同计算像素点的病虫影响特征值,能够多方面准确地判断像素点区域是否受到病虫危害,进而准确地分析了病虫危害影响程度,提高果叶表面受病虫危害的检测准确度,实现林果的准确管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种林果病虫管理方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种林果病虫管理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种林果病虫管理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种林果病虫管理方法流程图,该方法包括以下步骤:
步骤S1,获取果叶表面图像;获得果叶表面图像中每个像素点的颜色特征值;根据每个像素点与预设第一邻域范围内的第一邻域像素点之间颜色特征值的差异特征,获得每个像素点的颜色变化特征值。
在本发明实施例中,实施场景为对大面积种植的绿色林果生长过程中病虫危害的管理。正常情况下,因病虫危害会导致绿色的果叶发黄,故可通过获取果叶的照片分析病虫危害程度,需要说明的是,在本发明实施例中不考虑由其他人为或天气原因导致果叶变黄变黑的情况。若基于灰度特征计算果叶颜色变化特征,受限于灰度级无法准确分析细小的颜色变化特征,导致识别不够准确。因此本发明实施例提供了一种能够更准确快速地病虫危害检测方法。首先,获取果叶表面图像,因拍摄采集的果叶照片的质量会对后续病虫危害检测的准确性造成较大的影响,为了避免相机拍摄采集过程中出现的重影、模糊等现象,使用无人机配置CCD相机对果叶进行拍摄,需要说明的是,CCD为电荷耦合元件,能够将光学影像转化为数字信号,并且成像质量好。拍摄果叶照片后,为了避免复杂的背景环境对后续病虫危害检测过程中精确程度的影响,故对于拍摄的果叶照片首先使用GrabCut算法得到果叶区域,需要说明的是,GrabCut算法为前景提取算法,能够实现前景和背景分割,可以将果叶区域从拍摄的果叶照片分割出来,因GrabCut算法属于现有技术,故具体分割步骤不再赘述。分割后可获得果叶区域的RGB图像,作为果叶表面图像。后续根据该果叶表面图像,分析病虫危害的程度,进而实现林果的管理。
因果叶表面受到病虫危害时,则对应位置的果叶颜色会变黄变黑,与正常的绿色果叶出现一定的差异,因此可基于该原理,获得果叶表面图像中每个像素点的颜色特征值,具体包括:将果叶表面图像转换至HSV颜色模型中,将HSV颜色模型中的三个颜色参数都缩放到相同区间内,计算每个像素点对应缩放后的三个颜色参数的乘积并正相关映射,获得每个像素点的颜色特征值;颜色特征值的获取公式具体包括:
式中,表示果叶表面图像中第个像素点的颜色特征值;表示自然对数,目的
是正相关映射;表示第个像素点缩放到相同区间后的色调值,表示第个像素点缩放到
相同区间后的饱和度值,表示第个像素点缩放到相同区间后的亮度值,数值1表示避免对
数函数结果为负对后续计算造成影响。
对于颜色特征值的获取,为了便于准确地分析果叶表面的颜色特征,需要将果叶表面图像转换至HSV颜色模型,需要说明的是,HSV颜色模型中颜色的参数分别是色调H、饱和度S和亮度V。在本发明实施例中,首先将HSV颜色模型中三个参数都缩放到[0,10]区间中,缩放到相同区间的目的是避免三个不同参数数值相差过大造成后续计算过程误差较大的影响。确定像素点缩放到对应区间后的HSV颜色模型中的三个参数,计算乘积并正相关映射;当果叶表面受到病虫危害时果叶表面会变黄变黑,故HSV颜色模型中的色调、饱和度和亮度都会发生变化,进而受到病虫危害处的像素点的颜色特征值与正常果叶处的颜色特征值存在较大差异。需要说明的是,实施者可根据实施场景自行确定HSV颜色模型的缩放区间,以及其他正相关映射例如指数函数的数学运算方法。
进一步地,获得了果叶表面图像中像素点的颜色特征值之后,因为颜色特征值的差异可以表征受病虫危害的程度,故根据每个像素点与预设第一邻域范围内的第一邻域像素点之间颜色特征值的差异特征,获得每个像素点的颜色变化特征值,具体包括:计算每个像素点与预设第一邻域范围内的每个第一邻域像素点之间颜色特征值的差值绝对值并累加,获得每个像素点的颜色变化特征值。在本发明实施例中,预设第一邻域范围为以该像素点为中心的5*5尺寸区域,实施者可根据实施场景自行确定。像素点的颜色变化特征值是根据该像素点与其预设第一邻域范围内的第一邻域像素点,颜色特征值的差值绝对值的和值计算所得;因病虫对果叶危害的表现是:从果叶一个地方逐渐扩散变黄变黑,而非整片果叶直接变黄变黑,故当该像素点处受到病虫危害时,与预设第一邻域范围内的第一邻域像素点的颜色特征值会存在差异。当颜色变化特征值越大,则意味着该像素点处受病虫危害的程度越大。
至此,根据果叶表面图像中不同像素点的颜色特征值计算获得了颜色变化特征值,根据颜色变化特征值的大小能够表征像素点处受病虫危害的程度,后续需要根据颜色变化特征值继续分析果叶整体受到病虫危害的程度。
步骤S2,根据每个像素点在预设第一邻域范围内,预设方向下的颜色变化特征值的差异特征获得每个像素点的颜色变异指数;根据每个像素点与预设第二邻域范围内的第二邻域像素点之间颜色变异指数的差异特征获得每个像素点的指数差异值;根据每个像素点的指数差异值与预设第三邻域范围内每个第三邻域像素点的颜色变异指数的差异,获得变异相似系数;预设第二邻域范围小于预设第一邻域范围;预设第三邻域范围大于预设第一邻域范围。
因为正常生长的果叶表面颜色也不是完全相同的,所以果叶表面不同像素点处的颜色变化特征值是比较接近,处在一定的范围区间。当果叶表面某区域出现了病虫危害导致发黄发黑,此时果叶表面不同区域像素点的颜色变化特征值就会存在较大的差异;故基于该特征,根据每个像素点在预设第一邻域范围内,预设方向下的颜色变化特征值的差异特征获得每个像素点的颜色变异指数,具体包括:获取每个像素点在预设第一邻域范围内,预设方向下的颜色变化特征值的最大值和最小值,计算每个像素点对应的颜色变化特征值最小值和预设极小正数的和值,获得每个像素点的颜色变化特征最小表征值;计算每个像素点对应的颜色变化特征值最大值与颜色变化特征最小表征值的比值,获得每个像素点的颜色变异指数;颜色变异指数的获取公式具体包括:
式中,表示果叶表面图像中第个像素点的颜色变异指数,表示像素点所在预
设方向下的任意像素点的颜色变化特征值,表示取最大值函数,表示取最小
值函数,表示预设极小正数,目的是防止分母为零的情况,在本发明实施例中取0.01,实施
者可根据实施场景自行确定。
关于颜色变异指数的获取,在本发明实施例中,该像素点所在预设方向为该像素点的预设第一邻域范围内的所在行和所在列;即在预设第一邻域范围内,寻找该像素点所在行和所在列中的颜色变化特征值的最大值和最小值。当该像素点所在行和所在列中颜色变化特征值的最大值和最小值的比值结果越大,则颜色变异指数越大,意味着该像素点的区域发生了病虫危害导致果叶变黄变黑,导致该像素点区域的颜色变化特征值较大。因此可通过颜色变异指数表征像素点区域的病虫危害情况,当颜色变异指数越大,对应像素点区域发生病虫危害导致果叶变黄变黑的可能性越大。需要说明的是,实施者可根据实施场景自行确定预设方向。
获得果叶表面中像素点的颜色变异指数后,则可分析病虫危害的程度。在分析病虫危害程度之前,因为异常噪声点会影响病虫危害检测的准确度,需要去除像素点为异常噪声点的影响。为了去除像素点为异常噪声点的影响;故根据每个像素点与预设第二邻域范围内的第二邻域像素点之间颜色变异指数的差异特征获得每个像素点的指数差异值,具体包括:计算每个像素点与预设第二邻域范围内的所有第二邻域像素点,颜色变异指数的差值绝对值的平均值,获得每个像素点的指数差异值,其中预设第二邻域范围小于预设第一邻域范围;指数差异值的获取公式具体包括:
式中,表示果叶表面图像中第个像素点的指数差异值,表示预设第二邻域范
围内的第二邻域像素点数量,表示预设第二邻域范围内不同的第二邻域像素点,表示预
设第二邻域范围内第个第二邻域像素点的颜色变异指数。
关于指数差异值的获取,在本发明实施例中,预设第二邻域范围为该像素点的八邻域;实施者可根据实施场景自行确定。因为对于大面积种植的林果,其病虫危害的检测频率不高,故当发现病虫危害导致果叶变黄变黑时,此时已经出现一小片变黄变黑的区域,而不是某一个单一像素点的位置,因此,当指数差异值越大,则意味着该像素点与预设第二邻域范围内的第二邻域像素点的颜色变异指数差异较大,此时该像素点为孤立的异常噪声点的可能性越大。因此可根据指数差异值分析像素点是否是异常噪声点,当指数差异值越大,则意味着该像素点可能为异常噪声点。故通过计算像素点的指数差异值可提高病虫危害程度的检测准确性。
获得像素点的指数差异值之后,则可分析病虫危害的程度,故根据每个像素点的指数差异值与预设第三邻域范围内每个第三邻域像素点的颜色变异指数的差异,获得变异相似系数;具体包括:预设第三邻域范围大于预设第一邻域范围,计算每个像素点的指数差异值,与预设第三邻域范围内的每个第三邻域像素点的颜色变异指数的差值的平方值,作为差异表征值,并将差异表征值负相关映射,计算数值一与负相关映射的差异表征值的差值,获得每个像素点与每个第三邻域像素点之间的变异相似系数,变异相似系数的获取公式具体包括:
式中,表示第个像素点预设第三邻域范围内第个第三邻域像素点的变异相似
系数,表示第个第三邻域像素点的颜色变异指数,表示以自然常数为底的指数函
数,目的是对括号中的数据进行负相关映射,在本发明其他实施例中,可通过其他数
学运算例如进行负相关映射。
关于变异相似系数的获取,在本发明实施例中,预设第三邻域范围为以该像素点
为中心,半径为6的圆形区域,实施者可根据实施场景自行确定。对于式中以计算变
异相似指数,而非直接以像素点之间的颜色变异指数计算变异相似系数,目的是避免该像
素点为孤立的异常噪声点的计算误差。因为该像素点为异常噪声点时,其颜色变异指数较
大,而并非是因为病虫危害所引起颜色变异指数变大。故在预设第三邻域范围内,当该像素
点不为异常噪声点时,则指数差异值较小,其中正常区域的第三邻域像素点的颜色变异
指数较小,此时变异相似系数值较小;其中变黄变黑区域的第三邻域像素点的颜色变异
指数较大,此时变异相似系数值较大。当该像素点为异常噪声点时,会导致变异相似系数
表征含义不准确,故后续需要进一步限定。
获得了像素点的预设第三邻域范围内第三邻域像素点的变异相似系数后,则后续需要确定该像素点处是否受到病虫危害。
步骤S3,根据变异相似系数获得每个像素点在预设第三邻域范围内的相似像素点数量,根据每个像素点的指数差异值、对应预设第三邻域范围内所有像素点的颜色变异指数和相似像素点数量获得每个像素点的病虫影响特征值;根据像素点的病虫影响特征值获得病虫危害指数并进行林果管理。
获得了像素点的预设第三邻域范围内第三邻域像素点的变异相似系数后,则需要判断该像素点预设第三邻域范围内第三邻域像素点的相似像素点数量,故根据变异相似系数获得每个像素点在预设第三邻域范围内的相似像素点数量,具体包括:统计每个像素点的预设第三邻域范围内,变异相似系数大于预设相似阈值的第三邻域像素点的数量,获得每个像素点的相似像素点数量。在本发明实施例中,预设相似阈值为0.7,实施者可根据实施场景自行确定。像素点周围的相似像素点数量能够表征该预设第三邻域范围内的整体特征,例如该像素点属于正常区域,且相似像素点数量占比较大,则可认为该果叶未受到病虫危害的可能性较大。根据该逻辑结合其他判定条件,可分析该像素点处是否受到病虫危害,故根据每个像素点的指数差异值、对应预设第三邻域范围内所有像素点的颜色变异指数和相似像素点数量获得每个像素点的病虫影响特征值,具体包括:计算每个像素点的预设第三邻域范围内,第三邻域像素点的颜色变异指数的平均值,获得每个像素点对应的颜色变异指数平均值;当像素点的颜色变异指数大于等于对应的颜色变异指数平均值、相似像素点数量与预设第三邻域范围内像素点数量的比值大于等于预设占比、以及像素点的指数差异值小于预设差异阈值时,则像素点的病虫影响特征值为预设第一数值;否则为预设第二数值。
关于病虫影响特征值的获取,目的是通过病虫影响特征值表征像素点是否受到病虫危害。在本发明实施例中,预设占比为三分之一,预设差异阈值为0.3,实施者可根据实施场景自行确定。当像素点的颜色变异指数大于等于对应的颜色变异指数平均值,则意味着该像素点的颜色变异指数较大,此时该像素点位置可能是受病虫害影响区域,也可能是异常噪声点;同时若满足该像素点的预设第三范围内存在大于等于三分之一占比的相似像素点,且指数差异值小于0.3,此时意味着该像素点不是异常噪声点,存在一定面积的变黄变黑区域。当满足该三个判定条件时,意味着该像素点处受病虫危害影响,将该像素点的病虫影响特征值设为预设第一数值,否则为预设第二数值。在本发明实施例中预设第一数值为1,预设第二数值为0,实施者可根据实施场景自行确定。
至此,获得所有果叶表面图像中像素点的病虫影响特征值,可根据病虫影响特征值的分布判断病虫危害影响程度,计算所有果叶表面图像中预设第一数值的总数和总像素点数量的比值,获得病虫危害指数;当病虫危害指数大于预设病虫害阈值时,进行林果治虫害的管理措施。在本发明实施例中,预设病虫危害阈值为0.4,当病虫危害指数大于0.4时,意味着存在一定程度的变黄变黑区域,需要及时对林果进行喷洒农药等治虫害的管理措施,提高了病虫危害的检测准确性。实施者可根据实施场景自行确定预设病虫危害阈值。
综上所述,本发明实施例提供了一种林果病虫管理方法,首先获取果叶表面图像;根据不同像素点之间的颜色模型大小特征获得颜色特征值;根据颜色特征值之间的差异特征获得颜色变化特征值。根据像素点所在预设方向下的颜色变化特征值差异获得颜色变异指数;根据颜色变异指数的差异获得指数差异值;根据颜色变异指数与指数差异值之间的差异特征获得变异相似系数。根据指数差异值、颜色变异指数和相似像素点数量获得病虫影响特征值;根据病虫影响特征值的分布特征分析病虫危害影响程度,进而对林果进行管理,提高了病虫危害程度的检测准确度。
本发明还提出了一种林果病虫管理系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序实现任意一项一种林果病虫管理方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (6)
1.一种林果病虫管理方法,其特征在于,所述方法包括以下步骤:
获取果叶表面图像;获得所述果叶表面图像中每个像素点的颜色特征值;根据每个像素点与预设第一邻域范围内的第一邻域像素点之间颜色特征值的差异特征,获得每个像素点的颜色变化特征值;
根据每个像素点在所述预设第一邻域范围内,预设方向下的颜色变化特征值的差异特征获得每个像素点的颜色变异指数;根据每个像素点与预设第二邻域范围内的第二邻域像素点之间颜色变异指数的差异特征获得每个像素点的指数差异值;根据每个像素点的所述指数差异值与预设第三邻域范围内每个第三邻域像素点的所述颜色变异指数的差异,获得变异相似系数;所述预设第二邻域范围小于所述预设第一邻域范围;所述预设第三邻域范围大于所述预设第一邻域范围;
根据所述变异相似系数获得每个像素点在预设第三邻域范围内的相似像素点数量,根据每个像素点的所述指数差异值、对应预设第三邻域范围内所有像素点的所述颜色变异指数和所述相似像素点数量获得每个像素点的病虫影响特征值;根据像素点的所述病虫影响特征值获得病虫危害指数并进行林果管理;
所述颜色变异指数的获取步骤包括:
获取每个像素点在所述预设第一邻域范围内,预设方向下的所述颜色变化特征值的最大值和最小值,计算每个像素点对应的颜色变化特征值最小值和预设极小正数的和值,获得每个像素点的颜色变化特征最小表征值;计算每个像素点对应的颜色变化特征值最大值与颜色变化特征最小表征值的比值,获得每个像素点的所述颜色变异指数;
所述指数差异值的获取步骤包括:
计算每个像素点与预设第二邻域范围内的所有第二邻域像素点,所述颜色变异指数的差值绝对值的平均值,获得每个像素点的所述指数差异值;
所述变异相似系数的获取步骤包括:
计算每个像素点的所述指数差异值,与预设第三邻域范围内的每个第三邻域像素点的所述颜色变异指数的差值的平方值,作为差异表征值,并将所述差异表征值进行负相关映射,计算数值一与负相关映射的差异表征值的差值,获得每个像素点与每个第三邻域像素点之间的所述变异相似系数;
所述病虫影响特征值的获取步骤包括:
计算每个像素点的预设第三邻域范围内,第三邻域像素点的所述颜色变异指数的平均值,获得每个像素点对应的颜色变异指数平均值;
当所述像素点的所述颜色变异指数大于等于对应的所述颜色变异指数平均值、所述相似像素点数量与预设第三邻域范围内像素点数量的比值大于等于预设占比、以及所述像素点的所述指数差异值小于预设差异阈值时,则所述像素点的病虫影响特征值为预设第一数值;否则为预设第二数值。
2.根据权利要求1所述的一种林果病虫管理方法,其特征在于,所述颜色特征值的获取步骤包括:
将所述果叶表面图像转换至HSV颜色模型中,将HSV颜色模型中的三个颜色参数都缩放到相同区间内,计算每个像素点对应缩放后的三个颜色参数的乘积并正相关映射,获得每个像素点的所述颜色特征值。
3.根据权利要求1所述的一种林果病虫管理方法,其特征在于,所述颜色变化特征值的获取步骤包括:
计算每个像素点与预设第一邻域范围内的每个第一邻域像素点之间颜色特征值的差值绝对值并累加,获得每个像素点的所述颜色变化特征值。
4.根据权利要求1所述的一种林果病虫管理方法,其特征在于,所述相似像素点数量的获取步骤包括:
统计每个像素点的预设第三邻域范围内,所述变异相似系数大于预设相似阈值的所述第三邻域像素点的数量,获得每个像素点的所述相似像素点数量。
5.根据权利要求1所述的一种林果病虫管理方法,其特征在于,所述获得病虫危害指数并进行林果管理的步骤包括:
计算所有果叶表面图像中所述预设第一数值的总数和总像素点数量的比值,获得所述病虫危害指数;当所述病虫危害指数大于预设病虫危害阈值时,进行林果治虫害的管理措施。
6.一种林果病虫管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序实现如权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517555.2A CN116258968B (zh) | 2023-05-10 | 2023-05-10 | 一种林果病虫管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517555.2A CN116258968B (zh) | 2023-05-10 | 2023-05-10 | 一种林果病虫管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258968A CN116258968A (zh) | 2023-06-13 |
CN116258968B true CN116258968B (zh) | 2023-07-18 |
Family
ID=86686459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310517555.2A Active CN116258968B (zh) | 2023-05-10 | 2023-05-10 | 一种林果病虫管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258968B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2997536A1 (fr) * | 2012-10-31 | 2014-05-02 | Galderma Res & Dev | Procede et systeme d'estimation d'un indice de severite differentiel d'une pathologie exprimant une alteration cutanee |
CN106803257A (zh) * | 2016-12-22 | 2017-06-06 | 北京农业信息技术研究中心 | 一种作物病害叶片图像中病斑的分割方法 |
CN115115645A (zh) * | 2022-08-30 | 2022-09-27 | 南通林德安全设备科技有限公司 | 一种舌像腐腻特征数据识别检测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680524B (zh) * | 2015-02-11 | 2018-06-22 | 中国农业大学 | 一种叶类蔬菜病害诊断方法 |
KR20180045473A (ko) * | 2016-10-26 | 2018-05-04 | (주)모임소프트 | 이미지 분석을 이용한 흑색종 검사 시스템, 방법 및 컴퓨터 프로그램 |
CN111179230B (zh) * | 2019-12-18 | 2023-06-09 | 星际空间(天津)科技发展有限公司 | 遥感影像对比变化检测方法、装置、存储介质及电子设备 |
EP4006832A1 (en) * | 2020-11-30 | 2022-06-01 | Koninklijke Philips N.V. | Predicting a likelihood that an individual has one or more lesions |
CN115376032B8 (zh) * | 2022-10-25 | 2023-05-26 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种基于图像理解的林业病虫智能识别方法及系统 |
CN115601670B (zh) * | 2022-12-12 | 2023-03-24 | 合肥恒宝天择智能科技有限公司 | 基于人工智能和高分辨率遥感影像的松材线虫病监测方法 |
-
2023
- 2023-05-10 CN CN202310517555.2A patent/CN116258968B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2997536A1 (fr) * | 2012-10-31 | 2014-05-02 | Galderma Res & Dev | Procede et systeme d'estimation d'un indice de severite differentiel d'une pathologie exprimant une alteration cutanee |
CN106803257A (zh) * | 2016-12-22 | 2017-06-06 | 北京农业信息技术研究中心 | 一种作物病害叶片图像中病斑的分割方法 |
CN115115645A (zh) * | 2022-08-30 | 2022-09-27 | 南通林德安全设备科技有限公司 | 一种舌像腐腻特征数据识别检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116258968A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kulkarni et al. | Plant disease detection using image processing and machine learning | |
Diago et al. | Assessment of flower number per inflorescence in grapevine by image analysis under field conditions | |
Li et al. | Immature green citrus fruit detection and counting based on fast normalized cross correlation (FNCC) using natural outdoor colour images | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN103336966B (zh) | 一种应用于农业智能机械的杂草图像辨识方法 | |
CN110427922A (zh) | 一种基于机器视觉和卷积神经网络病虫害识别系统和方法 | |
CN113029971B (zh) | 一种作物冠层氮素监测方法及系统 | |
Liu et al. | Detection of citrus fruit and tree trunks in natural environments using a multi-elliptical boundary model | |
CN108564021B (zh) | 一种基于数码相片提取荒漠植被盖度的方法 | |
CN112257702A (zh) | 一种基于增量学习的农作物病害识别方法 | |
Ji et al. | In-field automatic detection of maize tassels using computer vision | |
Ramesh et al. | Detection of rows in agricultural crop images acquired by remote sensing from a UAV | |
CN108510490B (zh) | 一种分析虫害趋势的方法、装置及计算机存储介质 | |
Zhang et al. | Yield estimation of citrus fruit using rapid image processing in natural background | |
CN114187189A (zh) | 一种飞行器多光谱影像辐射一致性校正方法 | |
CN115953690B (zh) | 用于无人收割机行进校准的倒伏作物识别方法 | |
CN116258968B (zh) | 一种林果病虫管理方法及系统 | |
CN111612797A (zh) | 一种水稻图像信息处理系统 | |
Peng et al. | Detecting coffee (Coffea arabica L.) sequential flowering events based on image segmentation | |
Singh et al. | A novel algorithm for segmentation of diseased apple leaf images | |
CN115205194A (zh) | 基于图像处理的粘虫板覆盖率检测方法、系统及装置 | |
CN114820707A (zh) | 一种用于摄像头目标自动追踪的计算方法 | |
Pereira et al. | Fruit recognition and classification based on SVM method for production prediction of peaches-preliminary study | |
CN112950484A (zh) | 一种对摄影影像进行颜色污染祛除的方法 | |
CN113256671B (zh) | 一种基于YCbCr颜色空间的树果计数方法 |
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 |