[发明专利]基于图像识别的玉米叶部病虫害检测模型的构建方法及应用

权利要求书

1.一种基于图像识别的玉米叶部病虫害检测模型的构建方法，定义病虫害标签Y∈{A，B}，A＜0＜B，其特征在于，包括下述步骤：

1)对玉米叶部病变区域图像进行预处理，以获取玉米叶部的病变区域的学习样本集{(x_i，y_i)|i＝1，2，…，N}，其中，x_i是第i个样本的输入参数向量，x_i由玉米叶部的病变区域面积S、周长P、圆形度O、矩行度R、形状复杂度E参数构成；y_i对应于第i个样本的病虫害输出结果，y_i＝A表示是该种病虫害，y_i＝B表示非该种病虫害；

2)通过SMO算法求解支持向量机SVM模型，得到对偶最优化目标：

公式(1)中，L_D是ζ(ω，b，ξ，α，γ)函数，l是松弛变量ξ的数目，α_i是拉格朗日乘子，α_j是α_i的转置，x_j为x_i的转置，y_j为y_i的转置，C是分类误差惩罚因子；

根据(1)式求解拉格朗日乘子α_i及其最优值分类误差惩罚因子C，令α＝(α₁.....，α₁)^T，获得拉格朗日乘子向量α，其中，不为零的α_i对应的x_i即为分类器的支持向量，根据分类器的支持向量得到最优超平面的参数ω、b及b的最优值b^*；

根据公式(2)求解核参数g；

公式(2)中，是α_i的最优值，b^*是b的最优值，g是核参数，x是待检测点的输入参数向量，x_i是分类器的支持向量，1是松弛变量ξ的数目。

2.根据权利要求1所述玉米叶部病虫害检测模型的构建方法，其特征在于，通过遗传算法获取分类误差惩罚因子C、公式(2)中的核参数g。

3.一种基于图像识别的玉米叶部病虫害检测方法，包括如下步骤：

①获取待检测试样，对玉米叶部病变区域图像进行预处理，以获得待检测试样的病变区域对应的输入参数向量x；

②将松弛变量ξ的数目l、待检测试样对应的输入参数向量x和权利要求1中步骤2)得到的α_i的最优值b的最优值b^*、核参数g、分类器的支持向量x_i代入权利要求1中所述的公式(2)，求解获得y_i的值，当y_i＝A表示是该种病虫害，y_i＝B表示非该种病虫害。

4.根据权利要求1或2所述玉米叶部病虫害检测模型的构建方法或权利要求3所述玉米叶部病虫害检测方法，其特征在于，在所述玉米叶部病变区域图像预处理中包括以下步骤：

a.获取玉米叶部的彩色图像；

b.对步骤a获得的彩色图像进行灰度化、均衡化、去噪处理后，将其分割为二值图像以区分玉米叶部的病变区域和健康区域，在所述二值图像中，玉米叶部病变区域的边缘轮廓应该是封闭的；

c.从步骤b获得的二值图像中提取出以链码为区域边界的病变区域，通过链码表-线段表转换获得线段表，根据链码表和线段表求出病变区域的二值图像对应的面积S、周长P、圆形度0、矩行度R、形状复杂度E形态参数。

5.根据权利要求4所述玉米叶部病虫害检测模型构建的方法或病虫害检测方法，其特征在于，在所述步骤b中，采用迭代阈值法对去噪处理后的灰度图像进分割，以获取二值图像。

6.根据权利要求4所述玉米叶部病虫害检测模型构建的方法或病虫害检测方法，其特征在于，在所述步骤b中，还包括：对所述二值图像进行形态学运算以去除该二值图像中的噪声，填充孔洞，和/或对边缘不连续的部分进行边缘连接。