TWI435234B - Plant disease identification method, system and record media - Google Patents
Plant disease identification method, system and record media Download PDFInfo
- Publication number
- TWI435234B TWI435234B TW100143140A TW100143140A TWI435234B TW I435234 B TWI435234 B TW I435234B TW 100143140 A TW100143140 A TW 100143140A TW 100143140 A TW100143140 A TW 100143140A TW I435234 B TWI435234 B TW I435234B
- Authority
- TW
- Taiwan
- Prior art keywords
- image information
- plant
- disease
- image
- area
- Prior art date
Links
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 140
- 201000010099 disease Diseases 0.000 title claims description 139
- 238000000034 method Methods 0.000 title claims description 73
- 238000012545 processing Methods 0.000 claims description 85
- 238000005516 engineering process Methods 0.000 claims description 42
- 208000024891 symptom Diseases 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 3
- 244000000003 plant pathogen Species 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 description 180
- 241000607479 Yersinia pestis Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 241000233855 Orchidaceae Species 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
本發明是有關於一種植物病症辨識方法、系統及其紀錄媒體,且特別是有關於一種可利用植物影像以及色調分析技術以快速分析植物病徵、進行植物病症辨識的方法、系統及其紀錄媒體。
目前的植物病蟲害自動偵測技術主要是利用生物氣息感測(例如:雷射光聲效應感測),而且這種生物氣息感測技術必須在完全密閉的環境中才能感測植物所排放的氣體,且植物所排放的氣體與各種植物病蟲害之間的關聯性仍需再進一步研究,且此技術的硬體建置成本很高。
另一種習知技術是拍攝植物影像後,再利用影像分析技術來辨識植物是否遭受到病蟲害,植物葉片是否出現病徵。以蘭花養殖產業為例,習知方法可將所拍攝道的蘭花葉片影像,先進行影像分析和辨識,找出影像中的葉片部份,其必須要利用顏色與條紋的特徵值結合類神經網路分析方法,才能夠正確地找到影像中的蘭花葉片,進而分析葉片的影像來判斷蘭花是否遭受到病蟲害是否出現病徵。然而,此種方法複雜度高,為了要能夠精準的找到影像中的葉片部分,需要經過事先收集大量的影像資料,進行資料訓練才能找到染病葉片,執行效率低、無法立即顯示偵測結果、變異性大,因此不符合實際應用需要。
上述技術主要是利用影像辨識技術來擷取植物葉片影像,再分析葉片影像以找出病徵,再藉此病徵判斷葉片是否患有病蟲害。此技術仍有下列問題待解決:
(1)從影像中取出葉片及花瓣的方法,是利用影像中葉片和花瓣的特定顏色和條紋作為特徵來進行辨識,複雜度高,計算所需時間長,執行效率低,無法立即顯示分析結果。
(2)由於葉片和花瓣的影像往往因為植物生長狀況不同、拍攝的角度不同等各種因素,變異性相當大,需要事先收集並建立大量葉片及花瓣的影像來進行資料訓練,以建立葉片和花瓣的顏色、形狀和條紋作為特徵。因此建置耗時、成本高,而辨識的準確度並不甚佳。
(3)分析一張影像並進行辨識需要花費大量時間,因此無法應用在大量種植的環境中(如各類花苗種植場、蘭花養殖場),或是植物的自動化設備、自動分揀系統中。
由此可知,習知之利用影像辨識技術判定植物是否患有病蟲害的技術有改進的必要。
本發明提供一種植物病症辨識方法、系統及其紀錄媒體,利用植物具有特定色調之特性,可快速找出植栽特定部位的影像,判斷是否具有疑病區域及病徵區域,再與植物病徵資料庫比對,判定目前植栽特定部位上是否有病症的情形發生,更進一步判斷是何種病症。
本發明提出一種植物病症辨識方法,包括下列步驟,首先,提供一植物病徵資料庫,以儲存至少一植物病症名稱及對應每一植物病症名稱之至少一病症特徵影像資訊,再經由一影像擷取裝置取得一植栽影像資訊,經由一影像處理單元依據一第一色調處理技術分析植栽影像資訊以取得一植物影像資訊,且依據一第二色調處理技術分析植物影像資訊以取得至少一疑病區域影像資訊,計算每一疑病區域影像資訊之一區域面積,當區域面積大於一預設區域面積時,將疑病區域影像資訊做為一病徵區域影像資訊。最後,將病徵區域影像資訊與植物病徵資料庫中之至少一病症特徵影像資訊比對,當病徵區域影像資訊與至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,取得對應特定病症特徵影像資訊之一特定植物病症名稱。
本發明提出一種植物病症辨識系統,包括一植物病徵資料庫、一影像擷取單元及一影像處理單元。植物病徵資料庫儲存至少一植物病症名稱及對應每一植物病症名稱之一病症特徵,影像擷取單元取得一植栽影像資訊。影像處理單元係依據一第一色調處理技術分析植栽影像資訊以取得一植物影像資訊,且依據一第二色調處理技術分析植物影像資訊中以取得至少一疑病區域影像資訊,並計算每一疑病區域影像資訊之一區域面積,當疑病區域之面積大於一預設區域面積時,將疑病區域影像資訊作為一病徵區域影像資訊,並與植物病徵資料庫中之至少一病症特徵影像資訊比對,當病徵區域影像資訊與該至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,取得對應特定病症特徵影像資訊之一特定植物病症名稱。
在上述系統及方法中,更進一步時,上述之影像處理單元依據第一色調技術分析植栽影像資訊以取得植物影像資訊之步驟,係依據一亮度分析技術先將植栽影像資訊分出一植栽前景影像資訊及一植栽背景影像資訊,再依據第一色調處理技術分析植栽前景影像資訊以取得植物影像資訊,其中,亮度分析技術係依據植栽影像資訊取得對應植栽影像資訊之一三原色資料,依據植栽影像資訊之三原色資料將植栽影像資訊轉換為一灰階植栽影像,以及依據灰階植栽影像進行二值化影像運算處理,以取得植栽影像資訊之植栽前景影像資訊及植栽背景影像資訊。
在上述系統及方法中,更進一步時,上述之影像處理單元於取得植物影像資訊之後,更用以先除去植物影像資訊之雜訊,再依據第二色調處理技術分析已除去雜訊之植物影像資訊,以取得至少一疑病區域影像資訊。
在上述系統及方法中,更進一步時,上述之植物病症辨識系統更包括一連通圖技術以計算植物影像資訊的複數個連通區塊,將面積小於一閥值的區塊視為雜訊,並從植物影像資訊中去除。
在上述系統及方法中,更進一步時,上述之第一色調處理技術和第二色調處理技術係為相同或是不同之色調處理技術。
在上述系統及方法中,更進一步時,上述之第二色調處理技術係定義至少一病症色調區間,然後從植物影像資訊中取出符合至少一病症色調區間之部分作為至少一疑病區域影像資訊。
本發明更揭露一種紀錄媒體,其供一電子設備執行上述植物病症辨識之方法,其方法步驟流程如前說明,在此即不贅述。
為讓本發明之上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式,作詳細說明如下。
圖1是本發明之一實施例之系統元件方塊示意圖。圖1中的植物病症辨識系統100包括一影像擷取單元110、一影像處理單元120及一植物病徵資料庫130。植物病徵資料庫130儲存至少一植物病症名稱及對應每一植物病症名稱之一病症特徵。影像擷取單元110取得一植栽影像資訊,影像處理單元120依據一第一色調處理技術分析所取得的植栽影像資訊,取得一植物影像資訊(例如一個或多個葉片、花瓣的影像),然後再依據一第二色調處理技術分析所取得的植物影像資訊(如葉片、花瓣),當植物影像資訊中具有疑病區域(例如,其顏色和葉片顏色/花瓣顏色明顯不同的區域,有可能是一病徵)時,取出疑病區域影像資訊。接下來,影像處理單元120可計算每一個疑病區域影像資訊的區域面積,當疑病區域的面積大於一預設區域面積時,將此疑病區域影像資訊作為一病徵區域影像資訊。此預設區域面積的值,可依據一般習知技術或一般常識而決定,也可依據植物病徵資料庫130中的病症特徵來決定,當疑病區域的面積未大於上述的預設區域面積,其可視作為影像中的雜訊。然後影像處理單元120可將與植物病徵資料庫130中的病症特徵影像資訊比對,當病徵區域影像資訊和植物病徵資料庫130中的某一特定病症特徵影像資訊相符時,可取得對應的特定植物病症名稱,作為病症辨識結果。
圖2是本發明之一實施例之步驟流程圖,其可經由圖1的系統來進行實作,主要步驟如下:
步驟S210:提供一植物病徵資料庫,以儲存至少一植物病症名稱及對應每一植物病症名稱之至少一病症特徵影像資訊。
於本實施例中,植物病徵資料庫可以是市售可得的資料庫,也可以是經由習知技術所建立的資料庫,也可以是經由後面圖5及圖6所述技術所建立的資料庫。
步驟S220:經由影像擷取裝置,以取得植栽影像資訊。
步驟S230:經由一影像處理單元依據一第一色調處理技術分析植栽影像資訊以取得一植物影像資訊。
步驟S230中,第一色調處理技術主要是將植栽影像資訊之三原色資料(RGB)值轉換成色調,並事先定義所欲取出的植物影像的色調區間,然後從植栽影像資訊中取出符合植物影像色調區間之部分作為植物影像資訊。由於植物影像本身(如葉片和花瓣),通常具有非常特定的顏色,其轉換成色調之後,具有集中在特定色調區間的特性,因此本發明利用此一特性來取出植物影像。此種方式無需經過資料訓練,也不需要比對植栽影像中的顏色、形狀和條紋以找出植物影像,可以大幅提高取出植物影像的速度。
色調可以使用一般業者常用的定義,如YUV色調值,其係經由一般業者所制定和使用的公式,將RGB值轉換成YUV色調值(明亮度、色度、濃度)。在本發明中,色調也可以依據植物資料的特性來自行定義1個以上維度的色調值(例如明亮度、色度、濃度、灰階、色差、亮度和對比……等)及其和RGB值的轉換公式。一般來說,維度越高則精準度越高,但轉換所需的時間也就越多,維度越低則精準度越低,但轉換所需時間越少。在一些實施例中,色調維度以2-3維度為教佳。
更進一步時,為了避免植栽影像資訊中有過多的背景和植物影像本身過於相近,影像處理單元依據第一色調技術分析植栽影像資訊以取得該植物影像資訊之步驟,其可以先依據一亮度分析技術先將植栽影像資訊分出一植栽前景影像資訊及一植栽背景影像資訊,之後再依據第一色調處理技術分析植栽前景影像資訊以取得植物影像資訊。其中,亮度分析技術係依據植栽影像資訊取得對應植栽影像資訊的三原色資料(RGB),依據植栽影像資訊的三原色資料將植栽影像資訊轉換為一灰階植栽影像,依據灰階植栽影像進行二值化影像運算處理,以取得植栽影像資訊之植栽前景影像資訊及植栽背景影像資訊。
於上述實施方式中,可利用二值化影像處理方法分離植栽前景影像及植栽背景影像。二值化影像處理方法又稱為灰度劃分(Threshold)影像處理方法,主要是設定一灰度值,凡是影像本身灰度大於該設定的灰度值的,便令其為亮點,灰度值低於該設定值的,便令其為暗點,以此得到二元影像。
步驟S240:依據一第二色調處理技術分析植物影像資訊以取得至少一疑病區域影像資訊。
於此步驟中,第二色調處理技術係定義至少一病症色調區間,然後從植物影像資訊中取出符合至少一病症色調區間之部分作為至少一疑病區域影像資訊。第二色調處理技術其原理如前面第一色調處理技術所述雷同,由於植物影像中的病症影像,也可能往往具有特定的色調區間或是和植物影像色調區間有顯著的差異,因此本發明利用此特性從植物影像中尋找疑病區域。第二色調處理技術可定義出一個以上的病症色調區間,然後從植物影像資訊中取出符合病症色調區間的影像作為疑病區域影像資訊。疑病區域影像資訊可能有一個或複數個。不同的病症可能具有相同或不同的病症色調區間,第二色調處理技術可針對特定的病症色調區間來尋找符合特定病症色調區間的影像。另一種實施方式,第二色調處理技術亦可將植物影像色調區間之外的色調區間,皆作為病症色調區間。
於本實施例中,步驟S230及步驟S240中之第一色調處理技術和第二色調處理技術係為相同或是不同之色調處理技術。當第一色調處理技術和第二色調處理技術屬於相同色調處理技術時,亦可植物影像色調區間和多個病症色調區間來分別定義。
於另一實施例中,影像處理單元於取得植物影像資訊之後,更用以先除去植物影像資訊之雜訊,再依據第二色調處理技術分析除去雜訊之該植物影像資訊,以取得疑病區域影像資訊。其中,除去植物影像資訊的雜訊,可以利用一連通圖技術來計算植物影像資訊的複數個連通區塊,將面積小於一閥值的區塊視為雜訊去除。連通圖技術的概念是指若影像中的任意兩點的上下左右之間具有連續的影像點,則這些點彼此之間為視為連通,反之,若兩點之間不具有連續的影像點,則這些點彼此之間為不連通。藉由連通圖,即可將植物影像中的連續點找出可能的區塊然後計算其面積,一般來說面積過小的區塊多為雜訊。
步驟S250:計算每一疑病區域影像資訊之一區域面積,當區域面積大於一預設區域面積時,將疑病區域影像資訊做為一病徵區域影像資訊。
步驟S260:將病徵區域影像資訊與植物病徵資料庫中之至少一病症特徵影像資訊比對,當病徵區域影像資訊與至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,取得對應特定病症特徵影像資訊之一特定植物病症名稱。
於本實施例中,由於植物各部位通常具有同一色調的特性,適合利用色調的不同,快速地從影像中辨識出植物本身以及疑似患病的區域。當植物各部位若有出現某部分區域有異常之變化,其色調也會有明顯的變化,可以利用本發明技術來快速找到異常區域,作為疑病區域。而當找到疑病區域並確認其為病徵區域時,再將此病徵區域影像資訊和植物病徵資料庫中的病症資料進行比對,達到快速判斷出植物的病症名稱的目的。
於本實施例中,植物影像資訊、至少一疑病區域影像資訊、病徵區域影像資訊以及至少一病症特徵影像資訊,皆為經過色調技術處理過的影像色調資料。
接著請參考圖3,圖3是亮度分析技術之實施步驟流程圖,主要步驟如下:
步驟S310:依據植栽影像資訊取得對應植栽影像資訊之一三原色資料。
步驟S320:依據植栽影像資訊之三原色資料將植栽影像資訊轉換為一灰階植栽影像。
步驟S330:依據灰階植栽影像進行二值化影像運算處理,以取得植栽影像資訊之植栽前景影像資訊及植栽背景影像資訊。
接著,請圖4A~圖4F。圖4A是擷取一植栽影像示意圖。圖4B是圖4A中植栽影像之前景影像示意圖。圖4C是圖4B中前景影像之植物影像示意圖。圖4D是圖4C中植物影像之植物影像輪廓範圍示意圖。圖4E是圖4D中植物影像輪廓範圍具有疑病區域示意圖。圖4F是是圖4D中植物疑病區域示意圖。
在另一實施例中,影像擷取單元110取得植栽影像資訊500時,影像處理單元120可先將依據亮度分析技術,從植栽影像資訊500取得對應植栽影像資訊500的三原色資料(RGB),再依據三原色資料(RGB)將植栽影像資訊500轉換為灰階植栽影像。再依據灰階植栽影像進行二值化影像運算處理,以取得植栽影像資訊500之植栽背景影像資訊410及植栽前景影像資訊420(如圖4B所示)。
一般來說,植栽多種植於一植盆中,為了能精準的取出植物本身的影像,影像處理單元120再將圖4B中所示的植栽前景影像資訊420中的植栽部分與植盆部分進行分離,並分析出一植物影像資訊430(如圖4C所示)。此時植栽部分若具有部分影像雜訊440,影像處理單元120亦可藉由連通圖技術,將面積較小的區塊視為雜訊並去除,以獲得去除雜訊後的植物影像輪廓資訊510(如圖4D所示)。
其次,利用第二色調處理技術將去除雜訊後的植物影像輪廓資訊510中判斷是否有疑病區域,當判斷有一疑病區域影像資訊520時(如圖4E所示),判斷疑病區域影像資訊520之面積是否大於一預設區域面積(如圖4F所示)。若此疑病區域影像資訊520預設大於預設區域面積,則將疑病區域影像資訊520視為病徵區域影像資訊,並與植物病徵資料庫130中的病症病徵影像資訊比對,若有符合的特定病症病徵影像資訊,取得植物病徵資料庫130中對應此特定病症病徵影像資訊之一特定植物病症名稱。
接著請同時參閱圖5~圖6。圖5是病徵資料庫建立之步驟流程圖。圖6是圖5中之病徵資料庫系統方塊圖。圖5中,病徵資料庫建立之步驟如下:
步驟S510:取得每一植物病症名稱及對應每一植物病症名稱之至少一病症區域影像資訊。
步驟S520:將至少一病症區域影像資訊經由第二色調處理技術以取得每一至少一病症區域影像資訊所對應之病症特徵影像資訊,以作為其所對應之植物病症名稱的至少一病症特徵影像資訊,並儲存至植物病徵資料庫中。
例如,利用一影像擷取模組610取得複數個植物病症區域影像,並透過影像辨識模組620取得每一至少一病症區域影像資訊所對應之病症特徵影像資訊,而在植物病徵資料庫630中之褐斑病病徵資料庫631、葉斑病病徵資料庫632及軟腐病病徵資料庫633等之相關植物病症資料庫中係分別儲存對應各種特定病症的病症區域影像資訊。
最後,依據比對之結果將對應至少一植物病症名稱之植物病徵影像儲存至植物病徵資料庫中,藉此可獲得更多相同植物病徵的可能徵狀。
綜上所述,本發明應具有高辨識率、高執行效率、計算複雜度低及低成本之優點,在執行植物病症辨識方面可以達到快速辨識之成效。
雖然本發明以前述實施例揭露如上,然其並非用以限定本發明,任何熟習相像技藝者,在不脫離本發明之精神和範圍內,所作更動與潤飾之等效替換,仍為本發明之專利保護範圍內。
100...植物病症辨識系統
110...影像擷取單元
120...影像處理單元
130...植物病徵資料庫
S210~S260...步驟流程
S310~S330...步驟流程
410...植栽背景影像資訊
420...植栽前景影像資訊
430...植物影像資訊
440...影像雜訊
500...植栽影像資訊
510...植物影像輪廓資訊
520...疑病區域影像資訊
S510~S520...步驟流程
610...影像擷取模組
620...影像辨識模組
630...植物病徵資料庫
631...褐斑病病徵資料庫
632...葉斑病病徵資料庫
633...軟腐病病徵資料庫
圖1 是本發明一實施例之系統元件方塊示意圖。
圖2 是本發明一實施例之步驟流程圖。
圖3 是亮度分析技術之實施步驟流程圖。
圖4A是擷取一植栽影像示意圖。
圖4B是圖4A中植栽影像之前景影像示意圖。
圖4C是圖4B中前景影像之植物影像示意圖。
圖4D是圖4C中植物影像之植物影像輪廓範圍示意圖。
圖4E是圖4D中植物影像輪廓範圍具有疑病區域示意圖
圖4F是圖4D中植物疑病區域示意圖。
圖5 是病徵資料庫建立之步驟流程圖。
圖6 是圖5中之病徵資料庫系統方塊圖。
100...植物病症辨識系統
110...影像擷取單元
120...影像處理單元
130...植物病徵資料庫
Claims (20)
- 一種植物病症辨識方法,步驟如下:提供一植物病徵資料庫,以儲存至少一植物病症名稱及對應每一該植物病症名稱之至少一病症特徵影像資訊;經由一影像擷取裝置,以取得一植栽影像資訊;經由一影像處理單元依據一第一色調處理技術分析該植栽影像資訊以取得一植物影像資訊,且依據一第二色調處理技術分析該植物影像資訊以取得至少一疑病區域影像資訊;計算每一該疑病區域影像資訊之一區域面積,當該區域面積大於一預設區域面積時,將該疑病區域影像資訊做為一病徵區域影像資訊;以及將該病徵區域影像資訊與該植物病徵資料庫中之至少一病症特徵影像資訊比對,當該病徵區域影像資訊與該至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,取得對應該特定病症特徵影像資訊之一特定植物病症名稱。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該影像處理單元依據該第一色調技術分析該植栽影像資訊以取得該植物影像資訊之步驟,係依據一亮度分析技術先將該植栽影像資訊分出一植栽前景影像資訊及一植栽背景影像資訊,再依據該第一色調處理技術分析該植栽前景影像資訊以取得該植物影像資訊。
- 如申請專利範圍第2項所述之植物病症辨識方法,其中該亮度分析技術係依據該植栽影像資訊取得對應該植栽影像資訊之一三原色資料;依據該植栽影像資訊之該資料將該植栽影像資訊轉換為一灰階植栽影像;以及依據該灰階植栽影像進行該二值化影像運算處理,以取得該植栽影像資訊之該植栽前景影像資訊及該植栽背景影像資訊。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該影像處理單元於取得該植物影像資訊之後,更用以先除去該植物影像資訊之雜訊,再依據該第二色調處理技術分析已除去雜訊之該植物影像資訊,以取得該至少一疑病區域影像資訊。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中除去該植物影像資訊之雜訊步驟,係利用一連通圖技術計算該植物影像資訊的複數個連通區塊,將面積小於一閥值的區塊視為雜訊,並從該植物影像資訊中去除。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該第一色調處理技術和該第二色調處理技術係為相同或是不同之色調處理技術。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該第一色調處理技術係將該植栽影像資訊之一三原色資料轉成色調,並定義一植物影像色調區間,然後從該植栽影像資訊中取出符合該植物影像色調區間之部分作為該植物影像資訊。
- 如申請專利範圍第7項所述之植物病症辨識方法,其中該植物影像資訊、該至少一疑病區域影像資訊、該病徵區域影像資訊以及該至少一病症特徵影像資訊,係為影像色調資料。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該第二色調處理技術係定義至少一病症色調區間,然後從該植物影像資訊中取出符合該至少一病症色調區間之部分作為該至少一疑病區域影像資訊。
- 如申請專利範圍第1項所述之植物病症辨識方法,其中該植物病徵資料庫之係經由下列步驟建立,包括:取得每一植物病症名稱及對應每一該植物病症名稱之至少一病症區域影像資訊;以及將該至少一病症區域影像資訊經由該第二色調處理技術以取得每一該至少一病症區域影像資訊所對應之病症特徵影像資訊,以作為其所對應之該植物病症名稱的該至少一病症特徵影像資訊,並儲存至該植物病徵資料庫中。
- 一種植物病症辨識系統,包括:一植物病徵資料庫,係儲存至少一植物病症名稱及對應每一該植物病症名稱之一病症特徵;一影像擷取單元,係取得一植栽影像資訊;以及一影像處理單元,係依據一第一色調處理技術分析該植栽影像資訊以取得一植物影像資訊,且依據一第二色調處理技術分析該植物影像資訊中以取得至少一疑病區域影像資訊,並計算每一該疑病區域影像資訊之一區域面積,當該疑病區域之面積大於一預設區域面積時,將該疑病區域影像資訊作為一病徵區域影像資訊,並與該植物病徵資料庫中之至少一病症特徵影像資訊比對,當該病徵區域影像資訊與該至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,取得對應該特定病症特徵影像資訊之一特定植物病症名稱。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中該影像處理單元依據該第一色調技術分析該植栽影像資訊以取得該植物影像資訊之步驟,係依據一亮度分析技術先將該植栽影像資訊分出一植栽前景影像資訊及一植栽背景影像資訊,再依據該第一色調處理技術分析該植栽前景影像資訊以取得該植物影像資訊。
- 如申請專利範圍第12項所述之植物病症辨識系統,其中該亮度分析技術係依據該植栽影像資訊取得對應該植栽影像資訊之一三原色資料,依據該植栽影像資訊之該三原色資料將該植栽影像資訊轉換為一灰階植栽影像;以及依據該灰階植栽影像進行該二值化影像運算處理,以取得該植栽影像資訊之該植栽前景影像資訊及該植栽背景影像資訊。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中該影像處理單元於取得該植物影像資訊之後,更用以先除去該植物影像資訊之雜訊,再依據該第二色調處理技術分析已除去雜訊之該植物影像資訊,以取得該至少一疑病區域影像資訊。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中植物病症辨識系統更包括一連通圖技術以計算該植物影像資訊的複數個連通區塊,將面積小於一閥值的區塊視為雜訊,並從該植物影像資訊中去除。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中該第一色調處理技術和該第二色調處理技術係為相同或是不同之色調處理技術。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中該第一色調處理技術係將該植栽影像資訊之一三原色資料轉成色調,並定義一植物影像色調區間,然後從該植栽影像資訊中取出符合該植物影像色調區間之部分作為該植物影像資訊。
- 如申請專利範圍第17項所述之植物病症辨識系統,其中該植物影像資訊、該至少一疑病區域影像資訊、該病徵區域影像資訊以及該至少一病症特徵影像資訊,係為影像色調資料。
- 如申請專利範圍第11項所述之植物病症辨識系統,其中該第二色調處理技術係定義至少一病症色調區間,然後從該植物影像資訊中取出符合該至少一病症色調區間之部分作為該至少一疑病區域影像資訊。
- 一種紀錄媒體,儲存一電子裝置可讀取之程式碼,以執行一植物病症辨識方法,其中該植物病症辨識方法包含下列步驟:提供一植物病徵資料庫,以儲存至少一植物病症名稱及對應每一該植物病症名稱之至少一病症特徵影像資訊;經由一影像擷取裝置以取得一植栽影像資訊;經由一影像處理單元依據一第一色調處理技術分析該植栽影像資訊以取得一植物影像資訊,且依據一第二色調處理技術分析該植物影像資訊以取得至少一疑病區域影像資訊;計算每一該疑病區域影像資訊之一區域面積,當該區域面積大於一預設區域面積時,則將該疑病區域影像資訊做為一病徵區域影像資訊;以及將該病徵區域影像資訊與該病徵資料庫中之至少一病症特徵影像資訊比對,當該病徵區域影像資訊與該至少一病症特徵影像資訊其中一特定病症特徵影像資訊相符時,以取得對應該特定病症特徵影像資訊之一特定植物病症名稱。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100143140A TWI435234B (zh) | 2011-11-24 | 2011-11-24 | Plant disease identification method, system and record media |
JP2012049398A JP2013111078A (ja) | 2011-11-24 | 2012-03-06 | 植物の病気の識別方法、システムおよびその記録媒体 |
US13/540,845 US8781174B2 (en) | 2011-11-24 | 2012-07-03 | Method and system for recognizing plant diseases and recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100143140A TWI435234B (zh) | 2011-11-24 | 2011-11-24 | Plant disease identification method, system and record media |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201322036A TW201322036A (zh) | 2013-06-01 |
TWI435234B true TWI435234B (zh) | 2014-04-21 |
Family
ID=48466904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100143140A TWI435234B (zh) | 2011-11-24 | 2011-11-24 | Plant disease identification method, system and record media |
Country Status (3)
Country | Link |
---|---|
US (1) | US8781174B2 (zh) |
JP (1) | JP2013111078A (zh) |
TW (1) | TWI435234B (zh) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI570653B (zh) * | 2013-11-08 | 2017-02-11 | 財團法人資訊工業策進會 | The treatment of plant symptoms is recommended by systems, methods and recording media |
JP6260824B2 (ja) * | 2014-04-21 | 2018-01-17 | パナソニックIpマネジメント株式会社 | 栽培支援方法、栽培支援装置、およびコンピュータプログラム |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
JP6539901B2 (ja) * | 2015-03-09 | 2019-07-10 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
JP2016198054A (ja) * | 2015-04-10 | 2016-12-01 | コイト電工株式会社 | 植物栽培装置 |
CN105180850B (zh) * | 2015-07-15 | 2017-09-22 | 中国农业大学 | 计算玉米叶部大斑病病斑面积比例的方法及装置 |
CN106355609A (zh) * | 2015-07-17 | 2017-01-25 | 苏州宝时得电动工具有限公司 | 自动行走设备及其植被健康状况识别方法 |
JP6357140B2 (ja) * | 2015-09-18 | 2018-07-11 | Psソリューションズ株式会社 | 画像判定方法 |
EP3455783A1 (en) * | 2016-05-12 | 2019-03-20 | Basf Se | Recognition of weed in a natural environment |
MX2019004234A (es) | 2016-10-13 | 2019-10-15 | Mccain Foods Ltd | Metodo, medio y sistema para detectar virus de papa en una imagen de cultivo. |
CN106899683A (zh) * | 2017-03-14 | 2017-06-27 | 湖南威达科技有限公司 | 一种基于大数据与图像识别的家庭养护君子兰的app |
CN106899684A (zh) * | 2017-03-14 | 2017-06-27 | 湖南威达科技有限公司 | 一种基于大数据与图像识别的家庭养护紫罗兰的app |
US20180315177A1 (en) * | 2017-04-27 | 2018-11-01 | Hany Elzind | Plant disease photo identifier and treatment |
CN106952300A (zh) * | 2017-04-28 | 2017-07-14 | 深圳前海弘稼科技有限公司 | 基于图像识别植物病变的方法及系统、计算机设备 |
US10372987B2 (en) * | 2017-05-09 | 2019-08-06 | International Business Machines Corporation | Agricultural method and system using a high resolution sensing device for analyzing and servicing crops |
US10088816B1 (en) * | 2017-06-26 | 2018-10-02 | International Business Machines Corporation | Cognitive plant clinic |
CN107330892A (zh) * | 2017-07-24 | 2017-11-07 | 内蒙古工业大学 | 一种基于随机森林法的向日葵病害识别方法 |
US10438302B2 (en) | 2017-08-28 | 2019-10-08 | The Climate Corporation | Crop disease recognition and yield estimation |
US10423850B2 (en) | 2017-10-05 | 2019-09-24 | The Climate Corporation | Disease recognition from images having a large field of view |
US10747999B2 (en) * | 2017-10-18 | 2020-08-18 | The Trustees Of Columbia University In The City Of New York | Methods and systems for pattern characteristic detection |
RU2695490C2 (ru) * | 2017-11-02 | 2019-07-23 | Илья Геннадьевич Прокудин | Способ мониторинга сельскохозяйственных угодий |
US10783634B2 (en) | 2017-11-22 | 2020-09-22 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US10799189B2 (en) | 2017-11-22 | 2020-10-13 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
CN108040997B (zh) * | 2017-12-25 | 2020-09-11 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
WO2019126971A1 (zh) * | 2017-12-25 | 2019-07-04 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
WO2019133973A1 (en) * | 2017-12-29 | 2019-07-04 | Ohio State Innovation Foundation | Crop health sensing system |
WO2019143906A1 (en) * | 2018-01-18 | 2019-07-25 | Wisconsin Alumni Research Foundation | System for detection of disease in plants |
CN112639869A (zh) | 2018-08-30 | 2021-04-09 | 株式会社Ntt数据Ccs | 作物生长阶段判定系统的服务器装置、生长阶段判定方法以及程序 |
CN109308697B (zh) * | 2018-09-18 | 2024-03-22 | 安徽工业大学 | 一种基于机器学习算法的树叶病害识别方法 |
CN109409270A (zh) * | 2018-10-16 | 2019-03-01 | 宁夏农林科学院农业经济与信息技术研究所(宁夏农业科技图书馆) | 一种枸杞虫害图像识别系统 |
EP3867820A4 (en) | 2018-10-19 | 2022-08-03 | Climate LLC | DETECTION OF PLANT DISEASE INFECTION BY CLASSIFICATION OF PLANT PHOTOS |
US10713542B2 (en) * | 2018-10-24 | 2020-07-14 | The Climate Corporation | Detection of plant diseases with multi-stage, multi-scale deep learning |
WO2020110063A1 (en) * | 2018-11-29 | 2020-06-04 | Germishuys Dennis Mark | Plant cultivation |
CN110457982B (zh) * | 2018-12-28 | 2023-04-11 | 中国科学院合肥物质科学研究院 | 一种基于特征迁移学习的作物病害图像识别方法 |
CN110059715A (zh) * | 2019-03-12 | 2019-07-26 | 平安科技(深圳)有限公司 | 植物种类的识别方法及装置、存储介质、计算机设备 |
CN110178481B (zh) * | 2019-05-22 | 2020-08-21 | 青岛理工大学 | 一种大姜精量定向种植中鳞芽识别及调整方法 |
CN110796148B (zh) * | 2019-10-12 | 2020-07-07 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
CN111274979A (zh) * | 2020-01-23 | 2020-06-12 | 浙江工业大学之江学院 | 植物病虫害识别方法、装置、计算机设备及可存储介质 |
JP7433105B2 (ja) * | 2020-03-27 | 2024-02-19 | 本田技研工業株式会社 | 情報提供装置、草刈り車両及び草刈り管理システム |
US11957096B2 (en) * | 2020-04-28 | 2024-04-16 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Autonomous aircraft system for pollinating plants |
RU209619U1 (ru) * | 2021-10-29 | 2022-03-17 | Федеральное государственное учреждение "Федеральный исследовательский центр "Информатика и управление" Российской академии наук" (ФИЦ ИУ РАН) | Система мониторинга участков сельскохозяйственных угодий с использованием машинного обучения и беспилотного летательного аппарата |
CN114661828A (zh) * | 2021-11-09 | 2022-06-24 | 阿里云计算有限公司 | 通信受损评估方法和设备 |
US20230186623A1 (en) * | 2021-12-14 | 2023-06-15 | Ping An Technology (Shenzhen) Co., Ltd. | Systems and methods for crop disease diagnosis |
CN115471747B (zh) * | 2022-08-30 | 2023-05-09 | 广东省农业科学院环境园艺研究所 | 一种山茶花病虫害和生理病害的ai快速判识方法及应用 |
CN117893541B (zh) * | 2024-03-18 | 2024-05-28 | 济南玖通志恒信息技术有限公司 | 一种基于边缘检测的果树叶部花叶病分析方法 |
CN118037716B (zh) * | 2024-04-11 | 2024-06-11 | 贵州省园艺研究所(贵州省园艺工程技术研究中心) | 一种针对田间场景的豇豆病虫害识别方法及系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4296405A (en) * | 1978-05-02 | 1981-10-20 | Gulf & Western Corporation | Device for converting analog signals from a natural leaf scanner into digital signals and method of operating same |
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
DE3906215A1 (de) * | 1989-02-28 | 1990-08-30 | Robert Prof Dr Ing Massen | Automatische klassifikation von pflaenzlingen |
US5764819A (en) * | 1991-10-18 | 1998-06-09 | Dekalb Genetics Corporation | Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology |
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 |
JPH08266153A (ja) * | 1995-03-29 | 1996-10-15 | Seibutsukei Tokutei Sangyo Gijutsu Kenkyu Suishin Kiko | 作物検出装置 |
JPH09262027A (ja) * | 1996-03-28 | 1997-10-07 | Yazaki Corp | 植物の自動診断システム |
JPH1090066A (ja) * | 1996-09-12 | 1998-04-10 | Yazaki Corp | 植物葉面撮影装置 |
JP2967814B2 (ja) * | 1997-05-23 | 1999-10-25 | 鹿島建設株式会社 | 植物群生地の状態診断用画像解析装置 |
US6014451A (en) * | 1997-10-17 | 2000-01-11 | Pioneer Hi-Bred International, Inc. | Remote imaging system for plant diagnosis |
JP2004199391A (ja) * | 2002-12-18 | 2004-07-15 | Manabu Tanaka | 画像解析におけるしきい値決定方法とその装置、二値化装置並びに画像解析装置、学習機能付き情報処理方法と学習機能付き画像解析装置並びにそれらのための記録媒体 |
WO2007000999A1 (ja) * | 2005-06-27 | 2007-01-04 | Pioneer Corporation | 画像分析装置および画像分析方法 |
US8090166B2 (en) * | 2006-09-21 | 2012-01-03 | Surgix Ltd. | Medical image analysis |
JP2010268760A (ja) * | 2009-05-25 | 2010-12-02 | Dainippon Printing Co Ltd | 農作業依頼システム、農作業依頼方法、管理サーバ、プログラム及び記録媒体 |
JP4875132B2 (ja) * | 2009-10-29 | 2012-02-15 | シャープ株式会社 | 画像処理装置、画像データ出力処理装置、および画像処理方法 |
-
2011
- 2011-11-24 TW TW100143140A patent/TWI435234B/zh active
-
2012
- 2012-03-06 JP JP2012049398A patent/JP2013111078A/ja active Pending
- 2012-07-03 US US13/540,845 patent/US8781174B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013111078A (ja) | 2013-06-10 |
TW201322036A (zh) | 2013-06-01 |
US20130136312A1 (en) | 2013-05-30 |
US8781174B2 (en) | 2014-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI435234B (zh) | Plant disease identification method, system and record media | |
Francis et al. | Identification of leaf diseases in pepper plants using soft computing techniques | |
Archana et al. | Automatic rice leaf disease segmentation using image processing techniques | |
Rastogi et al. | Leaf disease detection and grading using computer vision technology & fuzzy logic | |
Ahmad Loti et al. | Integrated analysis of machine learning and deep learning in chili pest and disease identification | |
Sandika et al. | Random forest based classification of diseases in grapes from images captured in uncontrolled environments | |
Puttemans et al. | Automated visual fruit detection for harvest estimation and robotic harvesting | |
Revathi et al. | Cotton leaf spot diseases detection utilizing feature selection with skew divergence method | |
CN107330403B (zh) | 一种基于视频数据的牦牛计数方法 | |
US10679096B2 (en) | System and method for plant leaf identification | |
Whalley et al. | Applications of image processing in viticulture: A review | |
US20230196560A1 (en) | Systems and methods for automatically grading cannabis plants and adjusting control parameters | |
Ariza-Sentís et al. | Object detection and tracking on UAV RGB videos for early extraction of grape phenotypic traits | |
CN111967440A (zh) | 一种农作物病害的综合识别处理方法 | |
CN104573701B (zh) | 一种玉米雄穗性状的自动检测方法 | |
Rahman et al. | Identification of mature grape bunches using image processing and computational intelligence methods | |
Tashakkori et al. | Image processing for honey bee hive health monitoring | |
Martin et al. | Identification and counting of pests using extended region grow algorithm | |
Shen et al. | Identifying veraison process of colored wine grapes in field conditions combining deep learning and image analysis | |
Ibrahim et al. | Detection of diseases in rice leaf using deep learning and machine learning techniques | |
Shah et al. | Identification and counting of brown planthopper in paddy field using image processing techniques | |
Bairwa et al. | Classification of Fruits Based on Shape, Color and Texture using Image Processing Techniques | |
KR101910843B1 (ko) | 오목점과 슈퍼픽셀 정보를 이용한 깊이 기반 근접 돼지 구분 방법 | |
CN116416523A (zh) | 一种基于机器学习的水稻生长阶段的识别系统和方法 | |
James et al. | Citdet: A benchmark dataset for citrus fruit detection |