[发明专利]一种基于多源光信息技术的棉花病害检测方法和装置

摘要

本发明涉及一种基于多源光信息技术的棉花病害检测方法和装置，检测装置由计算机、控制模块、光信息传感器、LED组合光源、电控位移台和仪器架组成。采集棉花叶片的多源光信息数据立方体，比较不同波长处的样本像与背景的差异，以及病斑图像与正常部分的差异，采用归一化差分植被图分割背景和病斑；提取主成分图像，确定病害的特征波长分布；应用VirtualLab软件获取特征波长处的偏振度特征，应用ENVI软件提取目标区域可视化光谱的反射强度分布和图像的灰度、纹理特征；将棉花病害特征信息分成三类，分别建立偏振特征、强度特征和图像特征空间，利用三个SVM子分类器和D-S证据理论推理方法对其进行融合决策判别。该方法实现了对棉花病害的精确识别和评价。

主权项

一种基于多源光信息技术的棉花病害检测方法，其特征在于按下述步骤进行：（1）将棉花病害样本固定在电控位移台上，使样本位于在LED组合光源和光信息传感器的长度方向延长线交点的检测位置；（2）进行采样试验，确定扫描图像不失真的电控位移台的最佳位移速度以及光信息传感器的起偏角、CCD成像焦距和曝光时间；（3）利用光信息传感器采集黑场和白场信息，获得不同波长点的相对参考值，以各波长点的白场和黑场的差值作为分母，计算各像素的相对反射率和成像灰度值；（4）通过计算机设定数据采集模式，获取棉花病害样本的多源光信息数据立方体；（5）比较不同波长处的样本图像与背景的差异，以及病斑图像与正常部分的差异，采用660nm和800nm子图采用归一化差分法进行图像变换，利用归一化差分植被组合图分割图像背景，利用650nm图像将病斑与正常区域分割；（6）在病害样本的目标区域利用主成分分析获取主成分图像，确定病害的特征波长分布；在此基础上，应用Virtual Lab软件获取特征波长处的偏振度强度分布、Stocks参量和Mueller矩阵的偏振度特征，应用ENVI软件抽取目标区域可视化光谱的反射强度分布特征；抽取各特征波长处棉花病害的特征图像提取其灰度、纹理和病斑面积特征；（7）将棉花病害特征信息分成偏振特征、强度特征和图像特征三类，分别建立各自的特征空间，采用三个支持向量机分类器分别在各自的特征空间进行病害的识别和分类，三个支持向量机获得各自的识别结果后，利用D‑S证据理论推理方法对其进行融合决策判别。