[发明专利]一种小麦赤霉病的检测方法、装置及电子设备

说明书

本申请公开了一种小麦赤霉病的检测方法、装置及电子设备，该方法结合光谱指数和图像的纹理特征用于小麦赤霉病的检测，并且，通过对由多个不同尺度的纹理特征训练后得到的第一赤霉病检测模型进行分析，得到了用于检测小麦赤霉病严重程度时，或者用于训练第二赤霉病检测模型时所采用的纹理特征提取的最佳尺度，表示为目标尺度。由此，通过由最佳尺度的纹理特征训练后得到的第二赤霉病检测模型对待检测的高光谱影像进行预测，预测的准确度得到了大大的提升。

技术领域

本发明涉及图像处理领域，尤其涉及一种小麦赤霉病的检测方法、装置及电子设备。

背景技术

小麦赤霉病别名麦穗枯、烂麦头、红麦头，是小麦的主要病害之一，小麦赤霉病在前期在田间随机发生，分布零散；若无有效治理，将在短时间内感染、扩散。为了避免赤霉病扩散，有效的办法就是早发现早处理，因此对赤霉病的监测是发现赤霉病的有效手段。

现有技术中，对赤霉病的监测通常只考虑病害发生导致光谱指数发生的变化，但是经研究发现只通过光谱指数监测赤霉病的发病情况的准确率不高。

发明内容

有鉴于此，本发明实施例公开了一种小麦赤霉病的检测方法、装置及电子设备，不仅考虑了光谱指数和图像纹理特征对小麦赤霉病的影响，还考虑了检测小麦赤霉病所需的最佳尺度，由此大大提升了对赤霉病检测的精度。

本发明实施例公开了一种小麦赤霉病的检测方法，包括：

获取待检测的高光谱影像；所述待检测的高光谱影像中包含小麦的生长信息；

基于所述待检测的高光谱影像中不同波长的反射率，计算目标光谱指数；

从所述待检测的高光谱影像中提取目标尺度的纹理特征；所述目标尺度的纹理特征为通过对多个第一赤霉病检测模型进行分析后得到的，多个第一赤霉病检测模型是通过从第一训练样本集中提取的不同尺度的纹理特征分别对待训练的赤霉病检测模型进行训练后得到的，所述第一训练样本为包含感染赤霉病的小麦的生长信息的高光谱影像；

将所述多个光谱指数和目标尺度的纹理特征输入到第二赤霉病检测模型中，得到小麦感染赤霉病的严重程度；所述赤霉病检测模型是通过从第二训练样本集中提取的多个光谱指数和预设尺度的纹理特征对待训练的赤霉病检测模型进行训练后得到的，且所述赤霉病检测模型具备预测小麦感染赤霉病的严重程度的能力，所述第二训练样本为包含患有赤霉病的小麦的生长信息的高光谱影像。

可选的，还包括：

获取第三训练样本集；所述第三训练样本集为多个包含感染赤霉病的小麦的生长信息的高光谱影像；

基于所述第三训练样本集中高光谱影像的不同波长的反射率，计算多个光谱指数；

对所述多个光谱指数之间的相关性、所述多个光谱指数与小麦的病穗率之间的关系以及每个光谱指数对赤霉病的敏感程度进行分析，并从多个光谱指数中筛选出目标光谱指数。

可选的，还包括：

基于不同波段对赤霉病的敏感程度，确定第一目标波段；

基于不同波段包含的图像信息的丰富程度，确定第二目标波段；

从所述第四训练样本集中获取第一目标波段和第二目标波段的多个纹理参数；所述第四训练样本集为多个包含患赤霉病的小麦的生长信息的高光谱影像；

将第一目标波段和第二目标波段中相同纹理参数进行主成分分析，得到每个纹理参数的主成分；

计算每个纹理参数的主成分与所述第四训练样本的病穗率的相关性；

将所有的相关性进行比较，筛选出符合第一预设条件的多个纹理参数；

将符合第二预设条件的多个纹理参数对应的纹理参数作为纹理特征。