[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

说明书

本发明公开了一种基于图像识别的玉米叶部病虫害检测方法，用于获得待检玉米叶部的病虫害种类，对获取的玉米叶部病变区域的学习样本集{(x_i,y_i)|i＝1,2,…,N}通过SMO算法求解支持向量机SVM模型的最优超平面，其中，x_i是第i个样本的输入参数向量，y_i是第i个样本的输出结果，其中，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；取待检测试样，代入上述支持向量机SVM模型的最优超平面获得y_i的值，当y_i＝1表示是该种病虫害，y_i＝‑1表示非该种病虫害。采用引入松弛变量、分类误差惩罚因子的支持向量机SVM学习玉米叶部病虫害图像，以通过检测设备大量容易的、大批量的获取玉米叶部病虫害结果。

技术领域

本发明涉及农作物病虫害防治技术领域，具体涉及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及应用。

背景技术

对于农作物病虫害的防治而言，能够及时、准确地识别出其病虫害的类型是做到有效防治的前提条件。对于玉米作物而言，常见病害主要体现于叶部、穗部、茎部，其中叶部病害主要有大斑病、小斑病、弯孢霉菌叶斑病、褐斑病、细菌性条纹病、玉米叶鞘紫斑病、玉米链格孢菌叶枯病、玉米圆斑病、玉米斑枯病、灰斑病、玉米轮纹斑病、南方锈病、纹枯病等，其病害的表症均以不同的形状体现在玉米的叶部，因此通过识别玉米叶部的病症形状，根据该病症对应的形状信息，即可识别出该病虫害的种类。当前对于此类病虫害的判断仍旧依赖人工，然而人工识别不但工作量大，而且判断的准确度严重依赖于识别人的经验和认知水平，客观性难以保证，存在有极大的局限性。

当前随着机器视觉技术的快速发展，使得在各领域通过计算机图像识别代替人工识别成为可能。比如，公开日为2011年4月13日的中国专利文献CN201796028U公开了一种识别外壳带菌蛋的紫外检测装置，包括一个检测箱，紫外光源，CCD数码相机，图像采集卡和计算机；所述的检测箱为一个内壁为黑色的暗箱，其侧面开有箱门，在所述暗箱的左、右两壁面上水平对应安装有紫外光源，所述暗箱的上方正中设有使CCD数码相机镜头穿过的孔，CCD数码相机通过数据线与图像采集卡相连，所述图像采集卡插在计算机插槽中，在所述暗箱的底部设有一个检测点，该检测点位于数码相机镜头的正下方，所述的检测点用于放置待检测的蛋，受检蛋通过箱门的开关而被放进或被取出检测箱，所述的装置由图像采集单元、图像传输单元、图像处理单元和图像显示单元构成。该技术方案仅为一种图像采集装置，可以用于图像特征的采集，但其并无法实现对玉米叶部病虫害信息进行图像识别。

此外，公开日为2007年12月26日的中国专利文献CN101093539公开了一种手指静脉特征提取与匹配方法，包括(1)图像采集装置进行手指静脉图像的采集；(2)对采集的静脉图像进行预处理，预处理包括：采用加权平均值法来进行灰度化、采用迭代的方法求取最佳阈值来对图像进行分割、采用组合滤波器来滤除噪声、采用局部动态阈值法进行图像分割、采取面积消除法进行分割后的去噪处理、对分割后的静脉图像进行高度标准化处理；(3)通过将静脉图像分割成特定大小的图像块，采用小波分解算法对子图像进行小波分解及小波矩的提取，进行PCA及LDA变换步骤提取特征；(4)采用模糊化的阈值方法进行匹配与识别。该技术方案公开了一种应用于医疗领域的图像识别的算法。

然而当期在玉米病虫害防治领域，仍然缺乏一种快速、准确的基于图像识别的玉米叶部病虫害检测方法。

发明内容

本发明要解决的问题是提供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和病虫害检测方法，以快速准确的识别出玉米病虫害的种类。

为解决上述技术问题，本发明采用如下技术方案：

设计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，用于获得玉米叶部的病虫害种类识别模型，定义病虫害标签Y∈{A，B}，A＜0＜B，包括下述步骤，