[发明专利]一种沃柑病变的自动识别方法

说明书

本发明公开了一种沃柑病变的自动识别方法，涉及果树生长监测技术领域。所述自动识别方法，通过采集不同生长周期内的实时生长图像，并提取实时生长图像的特征像素点数据，以生长周期和特征像素点数据进行沃柑病变的自动识别，无需人工监测，通过该自动识别方法及系统能够及时掌握沃柑的生长状态及病变状态，以便种植人员及时处理，降低了沃柑大面积病变的概率，提高了沃柑的质量和产量；本发明构建人工神经网络构建病变识别模型对沃柑病变进行自动识别，提高了沃柑病变的自动识别能力，进而提高了病变的识别精确度。

技术领域

本发明属于果树生长监测技术领域，尤其涉及一种沃柑病变的自动识别方法。

背景技术

近年来，沃柑作为农业经济的一种产业，为种植地带来了丰硕的经济收益，从而引起了沃柑种植的大面积兴起，在沃柑种植过程中的管理弊端日益凸显。

沃柑在种植管理过程稍有不慎，就会引发病害，由于很多果园都是紧挨着的，若不及时发现、尽早处理将会导致果园中的大面积果树染病。沃柑常见的病害有树脂病、炭疽病和灰霉病,这些都是真菌病害,其易发时期通常在夏季高温、湿度大的环境下。树脂病,主要是在沃柑的枝干、叶片等染上病菌,一旦出现这种病害,最主要的表现是枝干出现流胶,果实沙皮且有黑点,整个植株和枝干都非常干燥甚至枯萎,会大大降低枝叶的生长速度,从而导致整个沃柑的果品质量下降。从上述病害的特性不难看出，危害大的病害主要表现在沃柑的枝干、叶片以及果实上，如果在病害爆发或者发生前能够根据果树所处生长周期对应的枝干、叶片以及果实生长图像进行预判，并针对预判结果采取措施来进行防治，可大大降低病害灾害带来的损失。

发明内容

针对现有技术的不足，本发明提供一种沃柑病变的自动识别方法，通过采集沃柑不同生长周期的生长图像(包括枝干、叶片和果实的生长图像)，再通过人工神经网络模型进行识别，以便及时掌握沃柑在不同生长周期的生长状况，从而对病害及时处理，提高果实质量。

本发明是通过如下的技术方案来解决上述技术问题的：一种沃柑病变的自动识别方法，包括以下几个步骤：

步骤1：获取生长周期和实时生长图像；

识别沃柑所处生长周期，并获取该生长周期所对应的实时生长图像；

步骤2：特征像素点的提取；

对所述步骤1的实时生长图像进行分析处理，并提取特征像素点数据；

步骤3：病变自动识别与结果显示；

根据生长周期和特征像素点数据进行病变自动识别，将病变识别结果显示，并生成提醒信息。

进一步地，所述步骤3的具体操作包括以下几个子步骤：

步骤3.1：构建人工神经网络构建病变识别模型，以生长周期数据对应的特征像素点数据为训练样本，对人工神经网络病变识别模型进行训练；

步骤3.2：将实时识别的生长周期和实时提取的特征像素点数据输入至所述步骤3.1训练好的人工神经网络病变识别模型中，病变识别模型输出的结果即病变识别结果。

进一步地，所述人工神经网络病变识别模型包括目标分割模型或者目标检测模型。

当人工神经网络病变识别模型包括目标分割模型时，利用目标分割模型获取特征像素点数据中的特定区域的属性信息；或者当人工神经网络病变识别模型包括目标检测模型时，利用目标检测模型检测特征像素点数据是否存在目标对象(病害图像所提取的像素点作为目标对象)；判断特征像素点数据是否为病变像素点数据。

进一步地，所述步骤1中，实时生长图像包括沃柑的枝干生长图像、叶片生长图像以及果实生长图像。

进一步地，所述步骤2中，实时生长图像的分析处理包括信号增强处理、去噪处理、灰度化处理、图像稳像处理、分割处理、二值化处理和边缘检测处理。