[发明专利]一种香蕉叶片叶斑病检测方法

权利要求书

1.一种香蕉叶片叶斑病检测方法，其特征在于，包括以下步骤：

步骤100，建立并初始化香蕉叶片的叶斑病预测模型；

步骤200，建立数据库，所述数据库存有多个训练病变图像；

步骤300，利用数据库中的训练病变图像完成对叶斑病预测模型的训练操作；

步骤400，采集香蕉叶片的图像，将所采集的香蕉叶片的图像定义为初始图像；

步骤500，对所述初始图像进行背景去除操作，将初始图像中香蕉叶片的轮廓区域提取出来，得到待测图像；

步骤600，利用分水岭算法将待测图像中的香蕉叶片的病变区域提取出来，得到待测病变图像；

步骤700，将所述待测病变图像输入到叶斑病预测模型中，所述叶斑病预测模型输出香蕉叶片的病变结果。

2.根据权利要求1所述的一种香蕉叶片叶斑病检测方法，其特征在于：步骤300中以及步骤700中，均是将训练病变图像以及待测病变图像的特征向量输入到叶斑病预测模型中，所述特征向量包括平均灰度、标准偏差、三阶中心矩、平滑度、均匀性、平均信息量、最大概率灰度级以及灰度范围。

3.根据权利要求2所述的一种香蕉叶片叶斑病检测方法，其特征在于：所述初始图像设为f(x,y)，其中(x,y)表示图像像素点的坐标值，所述步骤500包括以下步骤：

步骤510，将初始图像转换成为灰度图像，此时的初始图像记为f′(x,y)；

步骤520，设置阈值T，将初始图像转换成为二值化图像，此时的初始图像记为g(x,y)，则

步骤530，新建一个与初始图像大小相同的空白的第一图像，记为h(x,y)，将第一图像上的每个像素点初始化为0；

步骤540，遍历二值化处理后的初始图像g(x,y)中的每一个像素点，若g(x,y)等于1，则令将初始图像对应像素点的值赋值给第一图像对应像素点的值，即所述第一图像即为待测图像。

4.根据权利要求3所述的一种香蕉叶片叶斑病检测方法，其特征在于，所述步骤600包括以下步骤：

步骤610，将所述待测图像从RGB彩色空间转换成HSV彩色空间；

步骤620，对所述待测图像进行灰度化处理；

步骤630，对所述待测图像进行二值化操作；

步骤640，对所述待测图像进行闭运算、开运算滤波处理；

步骤650，利用分水岭算法将待测图像中的香蕉叶片的病变区域提取出来，得到待测病变图像。

5.根据权利要求4所述的一种香蕉叶片叶斑病检测方法，其特征在于，步骤610中，对所述待测图像的每个像素点执行以下操作：

步骤611，令像素点的彩色参数在RGB单位化立方体中的坐标为(R,G,B)，设彩色参数(R,G,B)中最大值为MAX，最小值为MIN；

步骤612，令像素点的彩色参数在HSV彩色空间中的坐标为(H,S,V)；

步骤613，通过公式1计算H值；

步骤614，通过公式2计算S值；

步骤615，通过公式3计算V值。

V＝MAX 公式3

6.根据权利要求5所述的一种香蕉叶片叶斑病检测方法，其特征在于，步骤650包括以下步骤：

步骤651，对所述待测图像进行欧氏距离变换；

步骤652，对所述待测图像进行腐蚀操作，完成目标区域的标记；

步骤653，对所述待测图像进行膨胀操作，完成背景区域的标记；

步骤654，利用所标记的目标区域以及背景区域，对待测图像进行标记分水岭运算，得到待测病变图像。

7.根据权利要求1所述的一种香蕉叶片叶斑病检测方法，其特征在于：所述叶斑病预测模型是支持向量机分类器。

8.根据权利要求1所述的一种香蕉叶片叶斑病检测方法，其特征在于：步骤700之后还包括步骤800，叶斑病预测模型输出香蕉叶片的病变结果，若香蕉叶片存在病变，采集并对外发送香蕉叶片当前的定位信息。