[发明专利]一种基于图像识别的植物健康检测方法及装置有效

专利信息
申请号: 201910711693.8 申请日: 2019-08-02
公开(公告)号: CN110598732B 公开(公告)日: 2023-04-28
发明(设计)人: 唐顺;李荣恩;陈培昊;周峰;梁宝英 申请(专利权)人: 佛山职业技术学院
主分类号: G06V10/75 分类号: G06V10/75;G06V10/40;G06V10/20
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 蔡伟杰
地址: 528000 广东省佛山市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 图像 识别 植物 健康 检测 方法 装置
【说明书】:

发明涉及植物健康信息化检测技术领域,具体涉及一种基于图像识别的植物健康检测方法及装置,首先实时采集待检测植物的红外图像;进而通过灰度增强方法预处理所述红外图像获得灰度增强图像;接着提取所述灰度增强图像的纹理特征;最后将所述纹理特征与专家库图像特征比对,检测出植物健康状况,本发明通过提高植物图像比对的准确率,从而提高植物健康检测的准确度。

技术领域

本发明涉及植物健康信息化检测技术领域,具体涉及一种基于图像识别的植物健康检测方法及装置。

背景技术

在农业生产上,对于植物的管理上没有过多的资源,只能靠经验进行健康监测,判断植物的病虫害状况。

现有技术也有通过视觉图像识别技术进行检测的,在图像处理技术检测植物病变的相关技术中,通常采用对植物叶片进行特征提取的技术手段,来判断植物是否发生病变,然而,由于对图像的特征提取不够理想,往往对检测的结果带来很大不确定性。因此,如何提高植物图像比对的准确率,从而提高植物健康检测的准确度成为一个值得深入研究的问题。

发明内容

为解决上述问题,本发明提供一种基于图像识别的植物健康检测方法及装置,通过提高植物图像比对的准确率,从而提高植物健康检测的准确度。

本发明提供的一种基于图像识别的植物健康检测方法,包括:

实时采集待检测植物的红外图像;

通过灰度增强方法预处理所述红外图像获得灰度增强图像;

提取所述灰度增强图像的纹理特征;

将所述纹理特征与专家库图像特征比对,检测出植物健康状况。

进一步,所述红外图像为获取红外摄像机拍摄的植物图像,所述植物图像包括植物的根、茎、叶图像信息。

进一步,所述通过灰度增强方法预处理所述红外图像获得灰度增强图像包括:

令所述红外图像的像素总数为N,其中,N=Nx×Ny,Nx为所述红外图像的横坐标像素总数,Ny为所述红外图像的纵坐标像素总数,灰度级总数为M,灰度级为Mi的像素的数目为Ni,将第i个灰度级出现的概率表示为:

P(Mi)=Ni/N,其中,0≤Mi≤1,i=0,1,...,M-1;

采用增强处理函数对所述红外图像进行灰度增强,所述增强处理函数为:

将Q(M)作为各像素的灰度值增强后的灰度增强图像。

进一步,所述提取所述灰度增强图像的纹理特征包括:

建立如下所示的纹理特征函数模型:

其中,k,l均为正整数,k表示横坐标的移动步长,l表示纵坐标的移动步长;

将所述纹理特征函数模型作为所述灰度增强图像的纹理特征。

进一步,所述将所述纹理特征与专家库图像特征比对,检测出植物健康状况包括:

提取专家库图像特征中的正常图像特征,计算所述纹理特征与所述正常图像特征的相关值,判断所述相关值是否大于阈值,若是,输出植物健康的结果,若否,则提取专家库图像特征中的病变图像特征,计算所述纹理特征与病变图像特征的相关值,筛选相关值大于阈值的病变图像;

将所述病变图像对应的病症作为植物的病症。

一种基于图像识别的植物健康检测装置,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的模块中:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山职业技术学院,未经佛山职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910711693.8/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top