[发明专利]基于android的田间病害程度图像识别方法

说明书

技术领域

本发明涉及田间病害调查的技术领域，尤其是指一种基于android的田间病害程度图像识别方法。

背景技术

植物病害的田间调查是了解植物病害发生的重要工作，能够为研究并认识植病发生的规律、进而进行植物检疫、植病的防治以及植病的预测、产量损失估计等提供重要的第一手资料。传统的植物病害田间专题调查的方式是在田间选取多个代表性的地块，选点和取样，通过分析植株或器官的受害程度，如叶片上病斑面积的百分比来估计植病的严重度，例如，在水稻白叶枯病损失估计中，以叶片受害面积作为评估的依据。但是这种调查方法抽样量非常大，对植病严重度的分级常采用铅丝框、级片框或者人工估计，由此导致植病的分级程度不准确，调查人员的工作量巨大，而且为保证数据误差不至于太大，在人工估计中，应尽可能由同一个调查人员评估数据，否则会存在不同人员判定尺度不一的问题。因此，在田间调查中迫切需要一种能对植病严重度进行精确测量且便于携带的仪器。图像分析技术非常适合于对田间叶片病斑程度的精确分析，但是，基于传统的CCD摄像机+PC机的图像采集与分析模式，由于其价格、非便携性等因素，无法应用于田间调查的现场分析。

病害程度调查中常采用分级计数法以调查植物发病的程度。植物发病程度可以通过统计植物叶片病斑的大小来确认。使用分级计数法，需要事先在田间采集发病轻重不同的标本，选出每一级的典型代表，用图或照相制作成标准。制作标准时，一般用求积仪测定叶斑面积总和与叶片面积，并计算叶斑面积所占叶片面积的百分率，依据百分率数值将植病严重度分成不同的等级。例如，麦类锈病分级、苹果黑腐病分级等，如图11和图12所示。在麦类锈病分级标准中，发病率分为5%、10%、25%、40%、65%与100%共6个等级，分级依据是叶片上夏孢子堆占叶面积的百分率，对应数据分别为1.85%、3.7%、9.25%、14.8%、24.05%及37%。

在实际田间调查时，通常采用人工估算法，具体是通过人工观察抽样叶片孢子堆分布面积，再参照分级标准估算植病的发病率。而采用人工估算存在以下缺点：（1）精度受到影响，不同的观察者，对同一样本会得到不同的估算结果；（2）估算效率受到观察者熟练程度的影响；（3）需要事先制作分级标准图片。

此外，在田间调查时，也有采用电子叶面测量仪或求积仪测量叶片面积和病斑面积。但存在以下缺点：（1）对病斑面积尤其是多处病斑测量不便；（2）仪器的便携性与在田间的操作性欠佳，且求积仪需要采摘叶片并在实验室完成测量。

另外，也有利用图像处理技术测定叶片和病斑面积，而测量系统的构成有四种方式：（1）嵌入式系统PC104+USB摄像头；（2）PC计算机+CCD摄像机；（3）ARM+CIS接触式图像传感器；（4）基于mobile的测量系统。方式（1）中介绍的方法可以测量叶片的长、宽、面积、周长，但没有测量叶斑面积的算法及所占百分比，同时该方案只能一机专用；方式（2）中介绍的方法，只适用于实验室分析，不能用于田间现场分析；方式（3）中介绍的方法，采用接触式CIS传感器，可以现场测量植物活体叶片的面积、宽度、最大宽度、长度、长宽比等参数，但不能测量病斑面积及所占百分比；方式（4）中介绍的基于mobile的测量系统，其采用的是mobil系统，C#编程，目前的应用范围受到限制。

目前，由于移动通讯技术与嵌入式技术的发展，平板电脑与智能手机集成度高、便于携带，其功能强大、运算速度不断提升、而价格不断降低，而且主流的android系统具有开放性的操作平台，允许非预设软件的安装与使用，用户完全可以利用其拍照功能采集植物图像，自行开发第三方的图像分析软件，对采集图像进行处理与分析，不但可以解决植物病害严重度的现场精确识别的问题，且该种方法对操作人员专业技能要求低，基于android的平板电脑和智能手机价格低廉，携带方便，可人手一部进行操作，也将提高田间植病分析的效率。

发明内容

本发明的目的在于克服现有技术的不足，提供一种精准、可靠、快速的基于android的田间病害程度图像识别方法，该方法不但可以解决植物病害严重度的现场精确识别的问题，而且对操作人员专业技能要求低，将极大地提高田间植病分析的效率。