[发明专利]作物叶部病害抗性鉴定方法、系统、电子设备及存储介质有效
申请号: | 201911023886.0 | 申请日: | 2019-10-25 |
公开(公告)号: | CN110874835B | 公开(公告)日: | 2022-09-16 |
发明(设计)人: | 王志彬;刘忠强;王开义;潘守慧;王晓锋 | 申请(专利权)人: | 北京农业信息技术研究中心 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/90;G06V10/774;G06V10/82;G06N3/04 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王宇杨 |
地址: | 100097 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 作物 病害 抗性 鉴定 方法 系统 电子设备 存储 介质 | ||
1.一种作物叶部病害抗性鉴定方法,其特征在于,包括:
将采集的作物叶片的第一彩色图像输入预先训练后的深度网络,标记出所述第一彩色图像的叶片区域,形成标记有叶片区域的第二彩色图像,并提取所述第二彩色图像中的目标叶片区域;
利用深度卷积网络集成方法对所述目标叶片区域进行病害程度分类;
根据所述目标叶片区域的病害程度以及相应作物病害的抗性分类标准,确定所述作物叶片对应的作物的病害抗性等级;
提取所述第二彩色图像中的目标叶片区域,包括:
a、对所述第二彩色图像的叶片区域进行面积计算,提取所述第二彩色图像中面积最大的叶片区域,形成第四彩色图像;
b、利用超绿颜色特征,对所述第四彩色图像进行分割,形成第五彩色图像,其中,分割公式为:
其中,I5表示第五彩色图像,I4表示第四彩色图像,(x,y)表示像素点的位置坐标,R(x,y)、G(x,y)、B(x,y)分别表示坐标点像素的三维颜色分量的灰度值,θ1、θ2分别是G(x,y)与R(x,y),G(x,y)与B(x,y)的阈值,其值可根据实际应用情况进行设定;
c、统计所述第五彩色图像中非0像素点的个数Num1;
d、对GrabCut算法进行初始化;
e、采用初始化后的GrabCut算法对所述第四彩色图像进行分割,形成分割后的第七彩色图像,对所述第七彩色图像重复执行步骤b,且统计重复执行步骤b后的第五彩色图像中非0像素点的个数Num2;
f、若|(Num2)-(Num1)|≤θ3,则执行步骤g,并Num1=Num2,用第七彩色图像更新替换第四彩色图像;否则,执行步骤d、e和f;
其中,θ3为条件阈值;
g、提取所述第五彩色图像中的前景区域,对于所述前景区域中的空洞像素点,采用所述第二彩色图像中对应位置的像素点的像素值进行填充,得到目标叶片区域。
2.根据权利要求1所述的作物叶部病害抗性鉴定方法,其特征在于,所述将采集的作物叶片的第一彩色图像输入预先训练后的深度网络,标记出所述第一彩色图像的叶片区域之前还包括:
基于引导滤波的图像增强方法对采集的作物叶片的第一彩色图像进行图像增强预处理,得到作物叶片的第三彩色图像;
相应的,将作物叶片的所述第三彩色图像输入预先训练后的深度网络,标记出所述第三彩色图像的叶片区域,形成标记有叶片区域的第二彩色图像。
3.根据权利要求2所述的作物叶部病害抗性鉴定方法,其特征在于,所述基于引导滤波的图像增强方法对采集的作物叶片的第一彩色图像进行图像增强预处理,得到作物叶片的第三彩色图像包括:
将所述第一彩色图像从RGB颜色空间转换到CIE L*a*b*颜色空间;
利用亮度分布特征计算出细节图像的增强权重w,计算公式如下:
其中,和分别是亮度空间L*内所述第一彩色图像的所有像素点的亮度值的最大值和平均值,δ为固定常数;
利用引导滤波算法对所述第一彩色图像进行平滑处理,将所述第一彩色图像分为细节图像d和基础图像q;
将加权后的细节图像与所述基础图像进行融合,得到所述第三彩色图像,其中,融合公式如下:
I3=w×d+q;
其中,I3表示所述第三彩色图像。
4.根据权利要求1所述的作物叶部病害抗性鉴定方法,其特征在于,在提取所述第二彩色图像中的目标叶片区域之后还包括:
对所述目标叶片区域进行归一化处理,形成归一化处理后的目标叶片区域。
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北京农业信息技术研究中心,未经北京农业信息技术研究中心许可,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/201911023886.0/1.html,转载请声明来源钻瓜专利网。