[发明专利]从大视野图像中检测被感染对象的方法及执行其的非暂时性计算机可读存储介质

说明书

公开了用于从大FoV图像中识别作物疾病的计算机系统和相关的计算机实现的方法。在一些实施例中，该计算机系统被配置为最初在存储器中建立用于识别捕获叶子的区域的第一数字模型，以及用于识别捕获被疾病感染的叶子的区域的第二模型。给定大FoV图像，在程序控制下，该系统被编程为使用第一模型从该大FoV图像中自动识别可能捕获单叶的候选区域。该系统被编程为使用第二模型进一步确定这些候选区域是否捕获单叶上的作物疾病的症状。

本申请是申请日为2018年10月4日、申请号为201880076478.9、名称为“从具有大视野的图像中进行疾病识别”的专利申请的分案申请。

版权声明

本专利文件的一部分公开内容包含受版权保护的材料。版权所有者不反对任何人以专利和商标局专利文件或记录中出现的方式对专利文件或专利公开进行传真复制，但保留所有版权或权利。2015-2018气候公司。

技术领域

本公开提供了数字图像处理和机器视觉的技术领域中的改进。本公开总体上涉及使用数字图像来检测作物疾病，并且更具体地涉及从具有大视野的数字图像中进行作物疾病识别。

背景技术

本节中描述的方法是可以采用的方法，但不一定是先前已经设想或采用的方法。因此，除非另有说明，否则不应仅由于将本节中描述的任何方法包括在本节中而将其假定为现有技术。

作物疾病是农民的主要关注，因为作物疾病可以导致减产和经济损失。自动化的疾病识别和治疗可以从捕获田地作物的数字图像开始。许多机器捕获的图像具有大视野(“FoV”)，诸如在距田地一定距离处拍摄的空中侦察照片。在这样的图像中，单个作物上的疾病症状可能构成该图像的次要特征，这对于传统的图像处理方法通常可以不被检测到。能够从大FoV图像中快速且准确地识别疾病症状将是有帮助的。

发明内容

所附权利要求可以用作本公开的发明内容。

附图说明

在附图中：

图1示出了被配置为执行本文描述的功能的示例计算机系统，该示例计算机系统在田地环境中与该系统可以与之进行互操作的其他装置一起示出。

图2示出了当示例移动应用被加载以供执行时主存储器中的指令集的示例逻辑组织的两个视图。

图3示出了编程的处理，通过该处理，农业智能计算机系统使用由一个或多个数据源提供的农艺数据来生成一个或多个预先配置的农艺模型。

图4是示出了可以在其上实现本发明的实施例的计算机系统的框图。

图5描绘了数据输入的时间线视图的示例实施例。

图6描绘了数据输入的电子表格视图的示例实施例。

图7示出了针对大FoV图像的区域的方向梯度特征向量的直方图的示例计算。

图8示出了示例卷积神经网络架构。

图9示出了生成图像金字塔的示例缩放处理。

图10示出了从图像金字塔中进行区域选择的示例结果。

图11示出了用于识别可能捕获被感染目标的区域的第二模型的示例输出。

图12示出了非最大抑制的示例应用。

图13示出了从大FoV图像中识别被感染目标的示例处理。

具体实施方式

在以下描述中，出于解释的目的，阐述了许多具体细节以便提供对本公开的透彻理解。然而，将显而易见的是，可以在没有这些具体细节的情况下实践实施例。在其他情况下，以框图的形式示出了公知的结构和设备，以避免不必要地使本公开不清楚。在根据以下概要的各部分中公开了实施例：