[发明专利]一种基于多特征及支持向量机的植物病虫害检测方法

权利要求书

1.一种基于多特征及支持向量机的植物病虫害检测方法，其特征在于，具体步骤如下：

1）图像采集及传输，获取农业场景中大量植物叶片的图像，组成样本集；

2）对于步骤1）中取得的图像进行预处理，包括中值滤波降噪和直方图均衡化；

3）从全部样本中选取一部分构成训练样本集，其余的构成测试样本集；分别对训练样本集中的正常叶片的图像和病虫害叶片的图像做两类标记，作为正负样本；

4）分别从训练样本集和测试样本集的叶片图像中提取多特征，组成特征向量；

5）使用支持向量机训练分类器；

6）提取大量待检测植物叶片图像的多特征，组成特征向量；

7）使用步骤5）训练出的分类器对待检测植物叶片图像进行分类，计算待检测植物叶片分属两类的概率，判断待检测植物叶片是否发生病虫害。

2.根据权利要求1中的基于多特征及支持向量机的植物病虫害检测方法，其特征在于，所述步骤1）中的图像采集及传输，具体步骤为：

（1-1）通过安置于无人机上的ARM开发板，控制一体式云台相机同步或异步采集农业场景中植物叶片图像，并存储在SD卡中；

（1-2）将ARM开发板中的Qt程序作为客户端，通过无线模块将采集的图像通过TCP/IP协议里的SOCKET套接字传输到服务器端；客户端将图像以字节流的形式传输到服务器端，服务器端再将字节流转换为图像。

3.根据权利要求1中的基于多特征及支持向量机的植物病虫害检测方法，其特征在于，所述步骤3）中对训练样本集中的图像做两类标记，分别给所有图像标以正确的标签，正常图像标记为0，病虫害图像标记为1。

4.根据权利要求1中的基于多特征及支持向量机的植物病虫害检测方法，其特征在于，所述步骤2）中的图像预处理，具体步骤为：

（2-1）对图像采用3×3中值滤波降噪，将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值；

（2-2）对图像采用直方图均衡化处理，扩展像原取值的动态范围，提高对比度和灰度色调的变化，使图像更加清晰。

5.根据权利要求1中的基于多特征及支持向量机的植物病虫害检测方法，其特征在于，所述步骤4）中的提取多特征包括颜色特征、HSV特征、纹理特征、形状特征，具体步骤为：

（4-1）对预处理后的图像做颜色特征提取，颜色特征中的颜色用RGB色彩模型来表示，获取图像每个像素点绿色分量的像素值构造颜色直方图，并进行量化、归一化，从而得到图像的颜色特征；

（4-2）对预处理后的图像做HSV特征提取，首先将RGB色彩模型转换为HSV色彩模型，分别构造色调、饱和度、亮度直方图，并分别进行量化、归一化，从而获得图像的HSV特征；

（4-3）对预处理后的图像做纹理特征提取，将预处理后的图像通过Gabor滤波器处理，在不同方向上获取相关特征，并对其量化、归一化，从而得到图像的纹理特征；

（4-4）采用加权平均法将植物叶片图像进行灰度化处理，然后对图像采用3×3中值滤波降噪，接着采用最大类间差方法Otsu进行阈值分割剔除背景，最后提取偏心率、圆形性、弯曲能量、曲率特征、圆形度指标、方向角这六个相对特征值作为形状特征。

6.根据权利要求1中的基于多特征及支持向量机的植物病虫害检测方法，其特征在于，所述步骤5）中的分类器训练，具体步骤为：

（5-1）将步骤4）中获得的训练集数据送入LIBSVM分类器中，使用LIBSVM工具的easy.py交叉验证寻找最优参数，从而构造最优性能的训练模型；

（5-2）将步骤4）中获得的测试集数据送入分类器预测函数，从而得到训练模型预测的准确率。