小麦赤霉病检测专属病情指数构建方法及其应用技术

本发明专利技术涉及病虫害检测技术领域，特别涉及一种小麦赤霉病检测专属病情指数构建方法，包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段；(E)根据特征波段的光谱反射率值计算小麦赤霉病检测专属病情指数FDI；还公开了基于该病情指数的小麦赤霉病病害等级检测方法。该方法能够快速、准确地确定出高光谱图像中最能够体现病害情况的特征波段，检测时，采用波段少、计算方便、速度快，具有非常好的应用推广价值。

Construction method and application of disease index for wheat scab detection

【技术实现步骤摘要】
小麦赤霉病检测专属病情指数构建方法及其应用
本专利技术涉及病虫害检测
，特别涉及一种小麦赤霉病检测专属病情指数构建方法及其应用。
技术介绍
小麦是中国重要的粮食作物，对保障国家粮食安全具有特殊意义，然而小麦的多种病害已成为中国小麦减产的主要因素。赤霉病(Fusariumheadblight,FHB)是影响小麦减产的最严重的病害之一。引起小麦赤霉病的主要病原菌有禾谷镰孢(FusariumgraminearumSchw)，黄色镰孢(FusariumculmorumSacc)，燕麦镰孢(FusariumavenaceumSacc)，梨孢镰孢(FusariumpoaWollenw)以及雪腐镰孢(FusariumnivaleSorauer)，其中对小麦影响最大的是禾谷镰孢和黄色镰孢。小麦赤霉病严重影响了小麦的品质和产量。感染赤霉病的小麦，可产生多种真菌毒素，并且加工后的小麦制品也会携带真菌毒素，严重影响食品安全。在小麦感染的真菌毒素中，其中脱氧雪腐镰刀菌烯醇(DON)毒性最强。这些病菌毒素会污染面粉，并在食物链中长期存留，产生致癌物质。因此，小麦赤霉病已经成为世界高度关注的一类病害之一。传统田间人工手查病虫害情况方式需要将麦穗破坏性的采摘回实验室，然后进行生理生化方面的检测来获得麦穗赤霉病的感染情况，或者进行专家人眼评估，该方式容易因评估专家的从业年限或知识积累产生不同程度的误差及随机性。与传统方式相比较，高光谱成像技术具有光谱和图像信息协同分析的优势，不仅可以提取作物的外表图像特征，还可以探测物体内部的光谱信息，尤其是可通过对研究对象图谱数据，以点-面结合的方式，实现作物病害多特征同步检测。
技术实现思路
本专利技术的首要目的在于提供一种小麦赤霉病检测专属病情指数构建方法，能够快速的筛选出检测病情的敏感波段。为实现以上目的，本专利技术采用的技术方案为：一种小麦赤霉病检测专属病情指数构建方法，包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段λ1和λ2；(E)根据特征波段的光谱反射率值按如下公式计算小麦赤霉病检测专属病情指数FDI：式中，Rλ1和Rλ2分别为特征波段λ1和λ2处的光谱反射率值。与现有技术相比，本专利技术存在以下技术效果：通过拍摄染病的小麦麦穗高光谱图像，然后求解光谱曲线，再利用随机森林算法对光谱波段进行度量筛选出敏感的特征波段，最后根据特征波段计算小麦麦穗的专属病情指数，该方法能够快速、准确地确定出高光谱图像中最能够体现病害情况的特征波段，为后续的小麦赤霉病病害等级检测提供可靠的依据。本专利技术的另一个目的在于提供一种基于专属病情指数的小麦赤霉病病害等级检测方法，能够高效、准确地检测出小麦赤霉病病害等级。为实现以上目的，本专利技术采用的技术方案为：一种基于专属病情指数的小麦赤霉病病害等级检测方法，包括如下步骤：(S1)利用高光谱相机拍摄待检测小麦麦穗的高光谱图像；(S2)获取待检测小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；(S3)选取所有波段中的红绿蓝三个波段组合并输出得到待检测小麦麦穗的RGB图像；(S4)利用图像分割算法对步骤S3中的RGB图像进行图像分割，得到待检测小麦麦穗的坐标位置；(S5)计算待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI：式中，Rλ1和Rλ2分别为特征波段λ1和λ2处的光谱反射率值；(S6)将待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI与设定阈值T进行比较，记专属病情指数FDI<T的像素个数为a，专属病情指数FDI≥T的像素个数为b；(S7)待检测小麦麦穗的病害等级W＝a/(a+b)。与现有技术相比，本专利技术存在以下技术效果：该方法采用的波段少、计算方便、速度快，有利于开发小麦赤霉病严重度检测传感器，同时，该方法属于光学仪器无损检测，无需破坏麦穗形态结构，具有非常好的应用推广价值。附图说明图1是不同染病程度的小麦麦穗光谱曲线；图2是利用随机森林算法得到的光谱权重大小曲线；图3是本专利技术小麦赤霉病病害等级检测方法流程示意图；图4是本专利技术对小麦麦穗病斑区域检测示意图。具体实施方式下面结合图1至图4，对本专利技术做进一步详细叙述。一种小麦赤霉病检测专属病情指数构建方法，包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段λ1和λ2；(E)根据特征波段的光谱反射率值按如下公式计算小麦赤霉病检测专属病情指数FDI：式中，Rλ1和Rλ2分别为特征波段λ1和λ2处的光谱反射率值。通过拍摄染病的小麦麦穗高光谱图像，然后求解光谱曲线，再利用随机森林算法对光谱波段进行度量筛选出敏感的特征波段，最后根据特征波段计算小麦赤霉病检测专属的病情指数，该方法能够快速、准确地确定出高光谱图像中最能够体现病害情况的特征波段，为后续的小麦赤霉病病害等级检测提供可靠的依据。参阅图1，优选地，所述的步骤C中，对于样本中每个小麦麦穗，按如下步骤将其高光谱图像处理为光谱曲线：(C1)获取该小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；(C2)选取所有波段中的红绿蓝三个波段组合并输出得到该小麦麦穗的RGB图像；(C3)利用图像分割算法对步骤C2中的RGB图像进行图像分割，得到该小麦麦穗的坐标位置，这里说的图像分割算法可以是一些基于图像的颜色空间转换以及MATLAB的分割算法再加上腐蚀膨胀进行麦穗麦芒的去除，现有技术中有很多图像分割算法可以实现，这里就不再详细说明；(C4)将该小麦麦穗坐标位置处的所有波段对应的光谱反射率进行加和后求取平均值，得到该小麦麦穗的光谱曲线。通过该步骤处理得到的光谱曲线，能够反应出小麦麦穗的整体光谱分布，通过对光谱曲线的处理，更容易找出特征波段。进一步地，所述的步骤D中，包括以下步骤：(D1)对样本中多个小麦麦穗的光谱曲线进行曲线平滑滤波，比如采用Savitzky-Golay滤波拟合法进行一阶平滑处理；(D2)将平滑后的多个光谱曲线代入到随机森林算法中，筛选出所有波段的权重值大小，得到光谱权重大小曲线，如图2所示；(D3)在光谱权重大小曲线中，选取正向权重值最大位置的波段作为特征波段λ1，选取负向权重值最小位置的波段作为特征波段λ2。光谱权重大小曲线中选择正向权重值最大位置和反向权重值最大位置，一般就是较能反应出病害情况的特征波段，这里直接选择这个位置所对应的波段作为特征波段，非常方便、快捷。随机森林算法是由Breiman提出的基于多个CART的集成学习算法，该算法利用Bootstrap重采样法生成训练集，根据基尼指数最小原则对属性进行度量，逐步建立CART,然后综合各个决策树的投票情况判别样本归属类别。同时，将没有出现在训练集的样本称作‘袋外数据’，利用此数据集来预测算法的准确度。随机森林算法可以对属性的重要性进行度量，本专利技术利用随机森林算法对光谱波段特征进行度量，本文档来自技高网...

【技术保护点】
1.一种小麦赤霉病检测专属病情指数构建方法，其特征在于：包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段λ1和λ2；(E)根据特征波段的光谱反射率值按如下公式计算小麦赤霉病检测专属病情指数FDI：

【技术特征摘要】
1.一种小麦赤霉病检测专属病情指数构建方法，其特征在于：包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段λ1和λ2；(E)根据特征波段的光谱反射率值按如下公式计算小麦赤霉病检测专属病情指数FDI：式中，Rλ1和Rλ2分别为特征波段λ1和λ2处的光谱反射率值。2.如权利要求1所述的小麦赤霉病检测专属病情指数构建方法，其特征在于：所述的步骤C中，对于样本中每个小麦麦穗，按如下步骤将其高光谱图像处理为光谱曲线：(C1)获取该小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；(C2)选取所有波段中的红绿蓝三个波段组合并输出得到该小麦麦穗的RGB图像；(C3)利用图像分割算法对步骤C2中的RGB图像进行图像分割，得到该小麦麦穗的坐标位置；(C4)将该小麦麦穗坐标位置处的所有波段对应的光谱反射率进行加和后求取平均值，得到该小麦麦穗的光谱曲线。3.如权利要求2所述的小麦赤霉病检测专属病情指数构建方法，其特征在于：所述的步骤D中，包括以下步骤：(D1)对样本中多个小麦麦穗的光谱曲线进行曲线平滑滤波；(D2)将平滑后的多个光谱曲线代入到随机森林算法中，筛选出所有波段的权重值大小，得到光谱权重大小曲线；(D3)在光谱权重大小曲线中，选取正向权重值最大位置的波段作为特征波段λ1，选取负向权重值最小位置的波段作为特征波段λ2。4.如权利要求3所述的小麦赤霉病检测专属病情指数构建方法，其特征在于：所述的步骤B中，高光谱相机是波段范围为374-1040nm的光谱仪，光谱分辨率为2.3nm，光谱波段为260个；所述的特征波段λ1和λ2分别是661nm波段和563nm波段。5.一种基于专属病情指数的小麦赤霉病病害等级检测方法，其特征在于：包括如下步骤：(S1)利用高光谱相机拍摄待检测小麦麦穗的高光谱图像；(S2)获取待检测小麦麦穗高光谱图像中包括的所有波段对应的光谱反射率；(S3)选取所有波段中的红绿蓝三个波段组合并输出得到待检测小麦麦穗的RGB图像；(S4)利用图像分割算法对步骤S3中的RGB图像进行图像分割，得到待检测小麦麦穗的坐标位置；(S5)计算待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI：式中，Rλ1和Rλ2分别为特征波段λ1和λ2处的光谱反射率值；(S6)将待检测小麦麦穗坐标位置中每一个像素位置的专属病情指数FDI与设定阈值T进行比较，记专属病情指数FDI<T的像素个数为a，专属病情指数FDI≥T的像素个数为b；(S...

【专利技术属性】
技术研发人员：张东彦，尹勋，梁栋，王道勇，程志友，赵晋陵，黄林生，翁士状，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34