小麦白粉病菌孢子图片的智能识别方法技术

本发明专利技术涉及小麦白粉病菌孢子图片的智能识别方法。所述方法包括：选择不同专家模型，使智能识别的精度能适应不同的要求；白粉病菌孢子图片的预处理；白粉病菌孢子图片的分割；对白粉病菌孢子图片提取颜色、纹理和形状特征；对白粉病菌孢子图片提取的特征进行智能识别。应用本发明专利技术可快速计算出某一时间段内空气中单位体积的小麦白粉病菌孢子浓度，得到小麦白粉病菌孢子病害基本情况。本发明专利技术实现了小麦白粉病菌孢子图片的自动分割，解决了现有的人工分割方法效率低的问题；实现了小麦白粉病菌孢子图片的自动识别和自动计数，解决了现有的人工(专家)识别方法效率低且容易出错的问题；可以适用不同人工(专家)的使用需要，适应性强。

【技术实现步骤摘要】
小麦白粉病菌孢子图片的智能识别方法
本专利技术属于数字图像处理
，涉及一种小麦白粉病菌孢子图片的智能识别方法，通过软件实现小麦白粉病菌孢子图片的自动识别和自动计数。
技术介绍
白粉病是植物病害的主要病害之一，它主要危害植物叶片、茎、叶柄、芽及花瓣，然后受害植物会出现褪绿、枯黄、皱缩，幼叶扭曲，导致植株生长不良发育畸形，不能开花结果。小麦白粉病是小麦的主要病害之一，除某些热带地区外，在世界各地均有分布。在1900年之前，在欧洲的英国、法国、爱尔兰、比利时、丹麦、荷兰、瑞士及芬兰等国已见报道。美国、加拿大、墨西哥虽有发生但比较轻微。近年来，小麦白粉病已成为我国小麦的主要病害之一，无论是发病面积还是发病程度都维持在一个较高的水平，年均发病面积在600万公顷以上，一般发病可造成10％左右减产，严重时减产可达50％以上，有些高感品种甚至颗粒无收。所以小麦白粉病已成为我国小麦生产上的重要常发性病害之一，目前也已成为我国小麦高产、稳产、优质的主要制约因素之一。据统计，在全国742种农作物病害中，约有60％是由病菌孢子经气流传播侵染作物形成危害的。小麦白粉病就是由专性寄生真菌—小麦白粉菌孢子引起的气传性病害。小麦白粉菌属子囊菌，只能在活的寄主组织上生长发育，并对寄主有很严格的专化性，一般只侵染小麦，所以小麦病菌不能侵染大麦，大麦白粉菌也不侵染小麦。小麦白粉菌以菌丝体蔓延于寄主表面，仅通过吸器伸入寄主表皮细胞内吸取营养。菌丝上着生分生孢子梗和分生孢子，如附图1所示，分生孢子为椭圆形，长度是宽度的1.25～1.75倍，少数达到近两倍，单胞无色，分生孢子梗直立，从菌丝体垂直生出，不分枝，无色，顶端产生成串的分生孢子，数目10～20个，自顶端向下逐渐成熟脱落，随气流传播引起再侵染和病害流行。分生孢子在0.5～30℃范围内均可萌发，萌发的最适温度为10～18℃。对湿度的适应范围很广，在最适温度条件下，相对湿度0～100％均可萌发，但湿度越大，萌发率越高。因此小麦白粉菌在不同地理生态环境中与寄主长期相互作用下，能形成不同的生理小种，毒性变异很快，在环境条件适宜的情况下，小麦白粉病菌就会大量蔓延，造成如附图2所示小麦白粉病的发生。目前的白粉病防控方法主要通过人工目测、田间调查等进行白粉病害的观测，观测时效不足，劳动强度大，数字化程度低。还需定时定期将取样病菌孢子带回实验室在生物显微镜下观察，人工对孢子数量进行记录，方法和手段相对落后。
技术实现思路
本专利技术的主要目的在于克服以往人工实现小麦白粉病防控方法的缺点，有效实现田间小麦白粉病菌孢子数量自动监测与预警预报应用。本专利技术通过建立不同专家识别模型，采取智能识别与计数方法，对小麦白粉病菌孢子进行自动识别和自动计数，为小麦白粉病害测报提供了一种先进的手段和工具。本专利技术采取的具体技术方案如下：小麦白粉病菌孢子图片的智能识别方法，其特征在于包括以下部分：步骤一，选择不同专家模型，使智能识别的精度能适应不同的要求。在实际应用中不同专家对病菌孢子识别率存在差异性，需要进行细化；按照专家识别小麦白粉病菌孢子总数与机器智能识别孢子总数之间的相对误差率为5％～30％分段设计8个不同专家相对误差率(或称智能识别模型，专家模型)，具体为6.1％、8.5％、11.7％、14.4％、17.1％、20.9％、24.6％、28.1％，用户使用中可以选择不同专家相对误差率。步骤二,白粉病菌孢子图片的预处理，方法如下：(1)对白粉病菌孢子彩色图片采用带颜色恢复因子的多尺度Retinex方法进行光照补偿。针对白粉病菌孢子图像整体偏暗的特点，采用带颜色恢复因子的多尺度Retinex方法提高图像整体对比度，使颜色更接近图像本来的面貌，具有对比度高、色彩失真小、动态范围压缩大等特点，它可以在灰度动态范围压缩、边缘增强和颜色恒定性三方面达到平衡，因而可以对各种不同类型的图像进行自适应性地增强，其实质上是一种基于光照补偿的图像增强方法。(2)对白粉病菌孢子彩色图片进行灰度化。(3)对白粉病菌孢子图片进行5×5模板的中值滤波。5×5模板的中值滤波在抑制噪声的同时很好地保护孢子边缘信息。步骤三,白粉病菌孢子图片的分割，方法如下：(1)对白粉病菌孢子图片进行基于Sobel边缘检测与改进的Niblack局部阈值法相结合的图片分割，获得孢子的二值图片。(2)对白粉病菌孢子图片进行孔洞填充并简单二值化。(3)对白粉病菌孢子图片采用改进的形态学滤波器进行滤波，消除噪声。(4)对白粉病菌孢子图片进行基于距离变换的分水岭算法分割，将其中粘连的孢子分开。步骤四,提取白粉病菌孢子图片的特征，方法如下：根据选择特征所应遵循的原则，对白粉病孢子图片的主要特征进行提取，根据特征选择原则对所提取的特征进行筛选，最终得到了由49个特征组成的孢子特征向量，具体包括：(1)颜色特征：RGB、HSV和YCbCr各个颜色分量的各自的均值与方差共18个特征。(2)纹理特征：利用灰度共生矩阵计算纹理特征，灰度共生矩阵有4个方向，每个方向能得到能量、熵、相关性、局部平稳性、均值和方差共6个特征，因此纹理特征总共提取了24个特征。(3)形状特征：面积、周长、矩形度、形状复杂性和3个Hu不变矩共7个特征，其中Hu不变矩特征实际有7个，由于篇幅限制，只截取了一小部分数据，其结果如表1所示。由表1可以看出后4个Hu不变矩几乎为零，对孢子特征贡献几乎没有，因为较高阶的矩对于成像过程中的误差，微小的变形等因素非常敏感，所以本专利技术用前3个Hu不变矩特征。表1白粉病菌孢子图片中部分白粉病菌孢子的七个Hu不变矩特征一阶矩二阶矩三阶矩四阶矩五阶矩六阶矩七阶矩0.0010710.000004000000.0010850.000007000000.0010860.0000060000.00000100.0011230.000007000000.0011110.000002000000.0010440.0000660.00000300000.0014640.0006660.0000350.000010000.0010740.0000340.000002000.00000100.0010680.0000100.00000100.00000100.0010560.000017000000.0024280.0008650.0000170.0000100.00002500.0011940.000008000000.0010920.00000500000步骤五，对白粉病菌孢子图片提取的特征采用改进的RLS-BP人工神经网络分类器进行智能识别。与现有技术相比，本专利技术具有以下优点：(1)本专利技术实现了小麦白粉病菌孢子图片的自动分割，解决了现有的人工分割方法效率低的问题。在当前通用计算机上测试处理单张图片所用时间小于10秒。(2)本专利技术实现了小麦白粉病菌孢子图片的自动识别和自动计数，解决了现有的人工(专家)识别方法效率低且容易出错的问题。采用实际采集的1280×720像素大小的小麦白粉病菌孢子图片共1117张，其中234张图片作为训练集，883张图片作为测试集。测试结果表明：八种专家模型的正负2至0五档精准率平均达到98％。(3)本专利技术考虑了在实际应用中不同人工(专家)对小麦白粉病菌孢子识别率存在差异性本文档来自技高网...

【技术保护点】
小麦白粉病菌孢子图片的智能识别方法，其特征在于包括以下步骤：步骤1，选择不同专家模型，使智能识别的精度能适应不同的要求；按照专家识别小麦白粉病菌孢子总数与机器智能识别孢子总数之间的相对误差率为5％～30％分段设计8个不同专家相对误差率，具体为6.1％、8.5％、11.7％、14.4％、17.1％、20.9％、24.6％、28.1％，用户在使用中可以选择不同专家相对误差率；步骤2,白粉病菌孢子图片的预处理；步骤2.1，对白粉病菌孢子彩色图片采用带颜色恢复因子的多尺度Retinex方法进行光照补偿；步骤2.2，对白粉病菌孢子彩色图片进行灰度化；步骤2.3，对白粉病菌孢子图片进行5×5模板的中值滤波；步骤3,白粉病菌孢子图片的分割；步骤3.1，对白粉病菌孢子图片进行基于Sobel边缘检测与改进的Niblack局部阈值法相结合的图片分割，获得孢子的二值图像；步骤3.2，对白粉病菌孢子图片进行孔洞填充并简单二值化；步骤3.3，对白粉病菌孢子图片采用改进的形态学滤波器进行滤波，消除噪声；步骤3.4，对白粉病菌孢子图片进行基于距离变换的分水岭算法分割，将其中粘连的孢子分开；步骤4，提取白粉病菌孢子图片的特征；步骤5，对白粉病菌孢子图片提取的特征采用改进的RLS‑BP人工神经网络分类器进行智能识别。...

【技术特征摘要】
1.小麦白粉病菌孢子图片的智能识别方法，其特征在于包括以下步骤：步骤1，选择不同专家模型，使智能识别的精度能适应不同的要求；按照专家识别小麦白粉病菌孢子总数与机器智能识别孢子总数之间的相对误差率为5％～30％分段设计8个不同专家相对误差率，具体为6.1％、8.5％、11.7％、14.4％、17.1％、20.9％、24.6％、28.1％，用户在使用中可以选择不同专家相对误差率；步骤2,白粉病菌孢子图片的预处理；步骤2.1，对白粉病菌孢子彩色图片采用带颜色恢复因子的多尺度Retinex方法进行光照补偿；步骤2.2，对白粉病菌孢子彩色图片进行灰度化；步骤2.3，对白粉病菌孢子图片进行5×5模板的中值滤波；步骤3,白粉病菌孢子图片的分割；步骤3.1，对白粉病菌孢子图片进行基于Sobel边缘检测与改进的Niblack局部阈值法相结合的图片分割，获得孢子的二值图像；步骤3.2，对白粉病菌孢子图片进行孔洞填充并简单二值化；步骤3.3，对白粉病菌孢子图片采用改进的形态学滤波器进行滤波，消除噪声；步骤3.4，对白粉病菌孢子图片进行基于距离变换的分水岭算法分割，将其中粘连的孢子分开；步骤4，提取白粉病菌孢子图片的特征；步骤5，对白粉病菌孢子图片提取的特征采用改进的RLS-BP人工神经网络分类器进行智能识别。2.根据权利要求1所述的小麦白粉病菌孢子图片的智能识别方法，其特征在于，所述步骤2.1采用带颜色恢复因子的多尺度Retinex方法的目的是提高图像整体对比度，使颜色更接近图像本来的面貌，具有对比度高、色彩失真小、动态范围压缩大的特点，它可以在灰度动态范围压缩、边缘增强和颜色恒定性三方面达到平衡，因而可以对各种不同类型的图像进行自适应性地增强；具体方法如下：在R、G、B三个通道中分别得到相应图像的反射分量，公式如下：Ii(x,y)＝Li(x,y)·Ri(x,y)(1)其中Ii(x,y)表示输入图像中第i个色彩通道，i＝1,2,3，Li(x,y)代表入射分量，Ri(x,y)表示反射分量输出；预先估计出入射分量Li(x,y)，然后求反射部分Ri(x,y)，即反射图像，从而得到增强后的图像Ri(x,y)；公式如下：式中，N表示光谱带个数，N＝1表示灰度图像，N＝3表示彩色图像，αi(x,y)表示第i个通道的色彩恢复系数，是用来调节3个通道颜色的比例，W1＝W2＝W3；*表示卷积运算，Fi(x,y)表示高斯卷积因子，公式如下：3.根据权利要求1所述的小麦白粉病菌孢子图片的智能识别方法，其特征在于，所述步骤2.2对白粉病菌孢子彩色图片进行灰度化的方法如下：在彩色图片中，每一个像素都由一个三维向量组成，这个三维向量分别代表该点像素的RGB值；将这个三维向量转化为一个一维的数，作为该点的灰度值Gray(x,y)，灰度值转化公式为：Gray(x,y)＝0.11×R(x,y)+0.59×G(x,y)+0.3×B(x,y)(5)式中，R(x,y)、G(x,y)、B(x,y)分别为该像素点的红色、绿色、蓝色分量。4.根据权利要求1所述的小麦白粉病菌孢子图片的智能识别方法，其特征在于，所述步骤2.3对白粉病菌孢子图片进行5×5模板的中值滤波是一种邻域运算，把模板中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素的值，具体方法如下：(1)将滤波模板在图像中扫描，模板中心会与图像中的一个像素重合；(2)将该模板所覆盖的所有像素的灰度值读入内存；(3)将内存中的灰度值由小到大依次排列；(4)查找位于中间的灰度值，对于5×5模板就是取第13个灰度值；(5)将取得的灰度值赋予当前与模板中心重合的像素。5.根据权利要求1所述的小麦白粉病菌孢子图片的智能识别方法，其特征在于，所述步骤3.1对白粉病菌孢子图片进行分割获得孢子的二值图像的方法如下：采用Sobel边缘检测获得较好的边缘效果，同时对噪声也具有一定的平滑作用，减小了对噪声的敏感性；对应的梯度模板为：图片中每个点都用这两个模板做卷积，第一个核h1对垂直边缘响应最大，第二个核h2对水平边缘响应最大；将这两个卷积的最大值作为该点的输出值；采用Niblack方法根据局部均值和局部标准差得到局部阈值；以像素点I(i,j)为中...

【专利技术属性】
技术研发人员：王波涛，王丹萍，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11