[发明专利]一种基于计算机视觉进行植物病斑分类的方法及系统

说明书

本申请公开一种基于计算机视觉进行植物病斑分类的方法及系统，该方法包括：从田地中选取样块，自上而下地采集植物叶片的图像；将邻域滤波窗口中各个像素值按照增序或降序排列，获取排列中的中间位置像素的像素值作为邻域滤波窗口的像素值对植物叶片图像进行处理；将处理过的植物叶片的图像进行图像分割，通过颜色空间转化凸显出病斑图像区域；利用图像中像素特征对图像分割得到的病斑图像区域进行像素特征提取得到植物叶片的病斑图像的像素特征；对病斑图像的像素特征进行支持向量机分类器分类，得到分类后的不同病斑的像素特征与其所属病症的对照模型并保存。本发明有效提高了病斑的识别分类效率，降低了成本。

技术领域

本发明涉及植物病斑分类的技术领域，更具体地，涉及一种基于计算机视觉进行植物病斑分类的方法及系统。

背景技术

植物病害是农业生产的主要限制因子之一，而植物叶片病斑是判断病害发生程度的主要依据。将植物叶片病斑进行分类有利于人们更高效、快捷地判断植物当前所患的病害发送程度。

目前，对植物病斑的分类主要是通过以下两种方式实现：(1)、植物病害技术人员直接去病害植物现场对植物的病害情况进行考察，通过病害植物的病态直接给出病害的病因及治疗方法。此种方法比较普遍，但需要专业的技术人员进行实地考察，治疗成本高治疗效率低，在植物发病的第一时间不能快速准确的诊断出病害种类，很容易耽误施药治疗时间。(2)、先从受害植物现场采集受害植物及其病斑图像，再由专业技术人员根据采集回来的病害图像对植物病害进行诊断分类，并给出相应的治疗方案。该种治疗方法能够准确的对植物病害进行分析给出结果，但整个植物病害治疗过程繁琐，不能在病害植物地点快速的给出病害原因，极容易耽误病情治疗的最佳时间。

计算机视觉技术(Computer Vision，简称CV)，是一门研究使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。

因此，提供一种自动、快捷且高效的植物病斑分类的方案是本领域亟待解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于计算机视觉进行植物病斑分类的方法及系统，解决了现有技术中需要专业技术人员去实地采样考察进行植物病斑分类及植物病斑分类过程繁琐耽误时间的技术问题。

为了解决上述技术问题，本发明提出一种基于计算机视觉进行植物病斑分类的方法，包括：

从田地中选取大于或等于一个的样块，自上而下地采集所述样块中带有病斑的植物叶片的图像；

逐行扫描所述植物叶片的图像中的像素，当所述像素的像素值为邻域滤波窗口中的极大值或极小值时，则将所述邻域滤波窗口中各个像素值按照增序或降序排列，获取所述排列中的中间位置所述像素的像素值作为所述邻域滤波窗口的像素值对所述植物叶片图像进行处理；

将处理过的所述植物叶片的图像进行图像分割，通过颜色空间转化凸显出病斑图像区域；进一步为：剔除掉所述植物叶片的图像中像素通道叠加的区域，得到剔除背景的图像；利用图像颜色空间中通道分量进行颜色通道叠加增强病斑图像，并凸显出所述病斑图像区域；通过自适应阈值分割结合开闭运算分割出所述病斑图像区域；

利用图像中像素特征对图像分割得到的病斑图像区域进行像素特征提取得到所述植物叶片的病斑图像的像素特征；

对所述病斑图像的像素特征进行支持向量机分类器分类，得到分类后的不同病斑的像素特征与其所属病症的对照模型并保存。

可选地，其中，通过自适应阈值分割结合开闭运算分割出所述病斑图像区域，进一步为：