[发明专利]作物叶部病害图像交互式诊断系统与方法

说明书

技术领域

本发明涉及一种交互式诊断系统与方法，具体涉及一种基于智能手机与云端的作物叶部病害图像交互式诊断系统与方法。

背景技术

作物生长期内会发生很多病害，尤其是温室大棚里很多病害潜伏期短，发病快。有些农户不能掌握相关病害知识，因而防效差、损失重，病害严重，进而导致大幅减产。因此，病害是制约作物生长的重要因素。传统的作物病害诊断一般通过经验来判断，容易引起人为误判。随着数字图像处理技术的迅速发展、计算机视觉技术的广泛应用和各种模式识别技术的日趋成熟，采用图像处理技术来分析作物病害，并准确地给出病害类别，为作物病害的无损检测、快速诊断提供了新的途径和方法。由于通信基础设施扩张到6亿人口的农村地区，互联网和手机在中国获得更快速的普及。开展基于图像的作物病害识别在手机上的应用相关研究，可以让农民更快捷方便地获取作物病害诊断结果。随着手机拍摄像素不断的提高，带有摄像头的智能手机价格不断降低，通过智能手机获取田间现场图片将逐渐成为主要的低成本图像采集方式。

由于Android操作系统具有开源、智能和开发简单等优势，成为目前最流行的智能手机操作系统之一。目前，基于Android平台的作物病害图像诊断有两种方式：一种是利用手机拍摄作物病害图片，然后通过网络传输发送到服务器上进行处理，最后把处理结果反馈到手机上；一种是利用手机拍摄作物病害图片，然后直接在手机端对图像进行相关处理，最后显示诊断结果。前一种方式中发送手机图片比较大(500万像素的手机单幅图片大小约2-4Mb)，不仅耗费网络流量，而且容易受到网络限制出现的网络传输错误、发送延迟等现象；后一种方式由于受到手机端软硬件的限制，存在程序运行速度缓慢、运算能耗大等问题。因此，研究一种既能快速、准确对作物病害进行诊断，又能节约成本的方法与系统是必要的。

发明内容

为解决现有技术中存在的问题，本发明的目的是提供一种基于智能手机与云端的作物叶部病害图像交互式诊断系统与方法。利用智能手机拍摄田间作物病害信息，然后在手机端进行相关预处理、病斑分割和特征提取，再把特征提取后的数据打包发送到云端进行病害的分类识别，最后将诊断结果反馈到手机上，实现低成本、移动型的作物病害智能化诊断。

为了实现上述目的，本发明提供的一种作物叶部病害图像交互式诊断系统，包括手机客户端和云端，其中手机客户端主要包括图像采集模块、图像预处理模块、图像分割模块、特征提取模块、信息传输模块和诊断结果显示模块，云端主要包括分类识别模块、信息反馈模块和数据管理模块；手机客户端和云端通过GPRS、3G、4G、WiFi、WiFi Direct或蓝牙进行数据通讯。

一种基于智能手机与云端的作物叶部病害图像交互式诊断的方法，包括以下步骤：

(1)收集作物叶部病害图像建立数据库；

(2)通过手机摄像头对作物病害处进行拍照；

(3)对手机拍摄的图像进行标准化压缩并去除图像中的噪声；

(4)对预处理后的图像进行病斑提取；

(5)对病斑进行颜色、形状和纹理特征提取和优化；

(6)把提取的特征以数据流的形式通过GPRS、3G、4G、WiFi、WiFi Direct或蓝牙发送到云端；

(7)在云端调用病害诊断模型进行病害的分类识别；

(8)把病害诊断结果和防治方法通过GPRS、3G、4G、WiFi、WiFi Direct或蓝牙反馈到手机中。

步骤(3)中对手机拍摄的图像进行标准化压缩并去除图像中的噪声的具体步骤为：

(3.1)采用LZW编码方式对图像进行压缩至640×480像素大小。

(3.2)然后对其进行去噪处理，针对当前手机CMOS传感器拍照容易造成的高斯和椒盐噪声，采用高斯滤波器对图像进行滤波。

步骤(4)中对预处理后的图像进行病斑提取的具体步骤为：

(4.1)对图片采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理：计算红色分量图像的灰度均值，记为tgray；统计红色分量图像灰度大于tgray的像素，计算灰度均值，记为tgrayhigh，即为初始分割的阈值；对原始红色分量图像进行阈值分割，得到两部分：其中灰度值小于tgrayhigh的像素的灰度设为0，归为初始背景类；其他像素的灰度值不变，归为混合类。

(4.2)融合纹理、灰度、距离三个特征构建能量函数的边界项，描述像素间的相似性：