The invention belongs to the technical field of crop disease monitoring, and specifically relates to a method for judging the grade of wheat scab disease based on cloud model, including the extraction of disease area, the construction of color features, the generation of color feature cloud model of wheat scab, the establishment of comprehensive evaluation model and the analysis of evaluation model, and the use of color of disease area in the process of wheat scab progressive lesion. Based on the relationship between the change and the grade of wheat ear disease rate, the color characteristic cloud of the disease area was obtained by combining the three digital characteristics of cloud model. The non-rigid classification of wheat scab grade was realized by using cloud model, and the comprehensive evaluation was realized.
【技术实现步骤摘要】
一种基于云模型的小麦赤霉病害等级判定方法
本专利技术属于农作物病害监测
,具体涉及一种基于云模型的小麦赤霉病害等级判定方法。
技术介绍
计算机技术的迅速发展,提高了植物病害自动检测识别的速度和效率。如高光谱技术、图像处理技术等。如梁琨,杜莹莹等人使用高光谱成像仪,分别对健康小麦籽粒图像和赤霉病小麦籽粒图像分析其光谱仪信息反射率特征。通过一系列的光谱预处理方法消除光谱图像噪声,然后对纹理特征、形态参数和平均灰度特征波段进行识别,最后建立识别模型。邵庆、张楠等人对小麦的叶部病害进行图像去噪,然后对病害部位实现形状特征提取,不仅在图像处理上是一种进步,同时完善了小麦病害的特征数据库。根据小麦赤霉病测报技术规范标准,将单株小麦赤霉病发生程度病情程度分为4个等级,但过度的“硬划分”会导致两种概念值极其接近的对象,被归为不同的等级中。例如:检测出的病穗率为25.8%,根据规范标准的分级标准,该单株小麦属于2级,但该值极其接近25%,等级划分的并不合理;且目前以麦穗为对象的赤霉病研究都是将其从活体摘除下来,有的甚至剥离为麦穗粒,经过一系列的识别检测方法统计病穗率,但这些都是某固定状态下的检测,由于此时病害程度已经确定,病害过程的变化未可知,相当于缺乏了一个动态参数来说明其病害过程的变化。
技术实现思路
本专利技术在云模型知识表示的基础上,由单株活体小麦从未发病到开始发病的颜色变化,构造的特征参数,在规范标准给出的分级标准上,加入该颜色特征,作为病穗率以外的另一个影响因子,生成颜色特征云模型,实现对分级更为合理的评价。本专利技术跟进了活体小麦的生长过程,从未发病到各病情 ...
【技术保护点】
1.一种基于云模型的小麦赤霉病害等级判定方法,其特征在于,包括以下步骤:S1、病害区域的提取S11、在田间采集小麦麦穗的初始图像,经过去噪得到初处理图像;S12、采用Otsu方法对初处理图像在Lab空间下的a分量进行图像分割,得到a分量图像;S13、对初处理图像采用边缘识别算法得到麦穗边缘图像;S14、对a分量图像和麦穗边缘图像的灰度值分别进行位运算,将a分量图像和麦穗边缘图像灰度值相同的像素点设为0,将灰度值不同的像素点设为255,然后将像素点为255的像素点记为病害像素点,得到病害像素点分布图;S15、利用病害像素点分布图与初始图像对应,提取初始图像中对应病害像素点分布图处的初始像素点,得到初始像素点分布图;S16、利用初始像素点分布图在初始图像中的对应位置标红,得到病害标记图像;S2、颜色特征的构造S21、以步骤S15中所得到的初始像素点的颜色作为统计小麦赤霉病发病情况颜色矩的基础,利用一阶距、二阶距、三阶矩的计算公式统计单株小麦赤霉病发病情况的颜色矩,一阶距、二阶距、三阶矩的计算公式如下:一阶距的计算公式:
【技术特征摘要】
1.一种基于云模型的小麦赤霉病害等级判定方法,其特征在于,包括以下步骤:S1、病害区域的提取S11、在田间采集小麦麦穗的初始图像,经过去噪得到初处理图像;S12、采用Otsu方法对初处理图像在Lab空间下的a分量进行图像分割,得到a分量图像;S13、对初处理图像采用边缘识别算法得到麦穗边缘图像;S14、对a分量图像和麦穗边缘图像的灰度值分别进行位运算,将a分量图像和麦穗边缘图像灰度值相同的像素点设为0,将灰度值不同的像素点设为255,然后将像素点为255的像素点记为病害像素点,得到病害像素点分布图;S15、利用病害像素点分布图与初始图像对应,提取初始图像中对应病害像素点分布图处的初始像素点,得到初始像素点分布图;S16、利用初始像素点分布图在初始图像中的对应位置标红,得到病害标记图像;S2、颜色特征的构造S21、以步骤S15中所得到的初始像素点的颜色作为统计小麦赤霉病发病情况颜色矩的基础,利用一阶距、二阶距、三阶矩的计算公式统计单株小麦赤霉病发病情况的颜色矩,一阶距、二阶距、三阶矩的计算公式如下:一阶距的计算公式:二阶距的计算公式:三阶距的计算公式:;S22、根据颜色空间HSV、RGB和Lab中各颜色分量之间的组合关系,构造多个中间颜色参数;S23、记颜色矩和中间颜色参数为评价颜色参数,利用相关性函数corr()计算各评价颜色参数的相关系数;S24、对各评价颜色参数的相关系数的显著性水平进行判断;S25、选择相关系数显著性水平达到0.01的评价颜色参数记为相关颜色参数,将相关颜色参数作为小麦赤霉病颜色特征云模型的数据源;S3、生成小麦赤霉菌颜色特征云模型,所述小麦赤霉菌颜色特征云模型由期望Ex、熵En、超熵He三个数字特征描述S31、利用相关颜色参数绘制在不同的小麦病穗率等级对应的频率分布曲线;S32、求出各频率分布曲线中的峰值点,将所得峰值...
【专利技术属性】
技术研发人员:许高建,沈杰,李绍稳,吴国栋,涂立静,林晨,吴云志,傅运之,冯宇翔,王帅,张蕴,
申请(专利权)人:安徽农业大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。