病虫害识别方法及装置制造方法及图纸

本发明专利技术提供了一种病虫害识别方法及装置。其中，一种病虫害识别方法，包括：采集病虫害图像，将病虫害图像转换成RGB图像数据；使用无监督聚类算法对RGB图像数据进行聚类分析，得到病虫害图像分类；对分类后的RGB图像数据进行虫眼统计，确定虫点数量；判断虫点数量是否大于预设虫点数量；当判断结果为是时，发出报警提示。通过本发明专利技术的技术方案，实现了有效识别农业病虫害并及时的提醒相关人员进行病虫害防治，避免由于病虫害导致的农业减产、农产品质量下降、经济损失等问题。

Method and device for identifying diseases and insect pests

The invention provides a method and a device for identifying diseases and insect pests. Among them, including a pest identification method: pest image acquisition, the pest image is converted into RGB image data; using unsupervised clustering algorithm to cluster analysis of RGB data, get the pest image classification; for bug statistics of RGB image data after classification, determine the number of points to determine whether the worm worm; the number is greater than the preset number of insects; when the judgment result is yes, send alarm. Through the technical proposal of the invention realizes the effective identification of agricultural pests and timely to remind the relevant personnel for pest control, to avoid the pest in agricultural production, agricultural product quality decline, economic loss and other issues.

【技术实现步骤摘要】
病虫害识别方法及装置
本专利技术涉及农业
，具体而言，涉及一种病虫害识别方法，还涉及一种病虫害识别装置。
技术介绍
在农业的可持续发展中，病虫害的识别与防治起到了非常重要的作用。农业病虫害对农业生产安全、人们身体健康及环境安全有着直接的影响，不仅能够导致农业减产，农产品质量下降，更会造成农民收入。然而，相关农业云技术中没有农业病虫害图像识别方案。因此，如何提供一种有效的病虫害识别方法，成为目前亟待解决的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的一个目的在于提出了一种病虫害识别方法。本专利技术的另一个目的在于提出了一种病虫害识别装置。有鉴于此，本专利技术提出了一种病虫害识别方法，包括：采集病虫害图像，将病虫害图像转换成RGB图像数据；使用无监督聚类算法对RGB图像数据进行聚类分析，得到病虫害图像分类；对分类后的RGB图像数据进行虫眼统计，确定虫点数量；判断虫点数量是否大于预设虫点数量；当判断结果为是时，发出报警提示。根据本专利技术的病虫害识别方法，通过采集病虫害图像，优选的，通过摄像头拍摄粘虫板照片，并将照片解析成RGB格式(RGB格式为一种对颜色进行编码的方法，统称为“颜色空间”或“色域”)的像素数据，使用无监督聚类算法对这些像素数据进行聚类分析(聚类(Clustering)分析是无监督式机器学习(unsupervisedlearning)的一个典型应用，也是探索性数据挖掘中的一种常用方法，简单地说就是把相似的东西分到一组)，得到病虫害的分类，对分类后的数据进行虫眼统计，就能够确认这张图像上有多少虫点，当虫点的数量超过预设数值时，说明虫点较多，病虫害严重，发出报警提示。通过本专利技术的技术方案，有效识别农业病虫害并及时的提醒相关人员进行病虫害防治，避免由于病虫害导致的农业减产、农产品质量下降、经济损失等问题。另外，根据本专利技术上述的病虫害识别方法，还可以具有如下附加的技术特征：在上述技术方案中，优选地，使用无监督聚类算法对RGB图像数据进行聚类分析，得到病虫害图像分类的步骤，具体包括：对RGB图像数据进行无监督聚类学习，建立相似度模型；根据相似度模型，对RGB图像数据进行聚合分类。在该技术方案中，将病虫害图像解析为RGB图像数据后，通过对无监督聚类算法进行训练学习，从而建立最佳相似度模型，根据相似度模型，对RGB图像数据进行聚合分类，得到带虫眼的数据组以及不带虫眼的数据组，并在分类的基础上通过对带虫眼数据的统计分析，准确确认虫点个数，从而有效识别病虫害图像。在上述任一技术方案中，优选地，对分类后的RGB图像数据的进行虫眼统计，确定虫点数量的步骤，具体包括：统计虫眼的数量；计算虫眼的数量与预设阈值的比值，根据比值确定虫点数量；当比值为整数值时，将整数值作为虫点数量值；当比值为小数时，将小数进位取整，将取整后的整数值作为虫点数量值。在该技术方案中，对分类后的RGB图像数据的进行虫眼统计，优选的，对带有虫眼的一组RGB图像数据进行统计，在得到虫眼数量的基础上，计算虫眼数量与预设阈值的比值，从而根据比值确定虫点的数量。当比值为整数时，将该整数值作为虫点数，当比值为小数时，将小数进位取整，将取整后的数值作为虫点数。举例来说，统计虫眼点的个数为35，预设阈值为10，那么可以判定这张图像上有4个虫点。在上述任一技术方案中，优选地，预设阈值为10。在该技术方案中，预设阈值为10，说明10个RGB虫眼数据构成一个虫点。本领域技术人员应该理解，预设阈值为10但不限于此，由于不同作物的种植收到多种因素的影响，如地域、季节、土壤条件、气候等，因而产生的病虫害也会大有不同，从而经过实测统计后的预设阈值也会相应变化。在上述任一技术方案中，优选地，无监督聚类算法为K均值聚类。在该技术方案中，K均值聚类(K-meansclustering)是最典型的聚类算法(当然，除此之外，还有很多诸如属于划分法K-MEDOIDS算法、CLARANS算法；属于层次法的BIRCH算法、CURE算法、CHAMELEON算法等；基于密度的方法：DBSCAN算法、OPTICS算法、DENCLUE算法等；基于网格的方法：STING算法、CLIQUE算法、WAVE-CLUSTER算法；基于模型的方法等)。本领域技术人员应该理解，在使用无监督聚类算法进行聚类分析时，也可以选择K均值聚类以外的其它无监督聚类算法。在上述任一技术方案中，优选地，病虫害图像分类包括：虫眼数据组和非虫眼数据组。在该技术方案中，通过无监督聚类算法对病虫害图像进行聚类分析后，得到虫眼数据组和非虫眼数据组，从而只需对虫眼数据组进行统计，以确认虫点的个数，实现病虫害的有效识别。本专利技术还提出一种病虫害识别装置，包括：图像采集与处理单元，用于采集病虫害图像，将病虫害图像转换成RGB图像数据；病虫害识别单元，用于使用无监督聚类算法对RGB图像数据进行聚类分析，得到病虫害图像分类；统计单元，用于对分类后的RGB图像数据进行虫眼统计，确定虫点数量；判断单元，用于判断虫点数量是否大于预设虫点数量；提醒单元，用于当判断结果为是时，发出报警提示。根据本专利技术的病虫害识别装置，通过采集病虫害图像，优选的，通过摄像头拍摄粘虫板照片，并将照片解析成RGB格式(RGB格式为一种对颜色进行编码的方法，统称为“颜色空间”或“色域”)的像素数据，使用无监督聚类算法对这些像素数据进行聚类分析(聚类(Clustering)分析是无监督式机器学习(unsupervisedlearning)的一个典型应用，也是探索性数据挖掘中的一种常用方法，简单地说就是把相似的东西分到一组)，得到病虫害的分类，对分类后的数据进行虫眼统计，就能够确认这张图像上有多少虫点，当虫点的数量超过预设数值时，说明虫点较多，病虫害严重，发出报警提示。通过本专利技术的技术方案，有效识别农业病虫害并及时的提醒相关人员进行病虫害防治，避免由于病虫害导致的农业减产、农产品质量下降、经济损失等问题。另外，根据本专利技术上述的病虫害识别装置，还可以具有如下附加的技术特征：在上述技术方案中，优选地，病虫害识别单元使用无监督聚类算法对RGB图像数据进行聚类分析，得到病虫害图像分类的步骤，具体包括：建模单元，用于对RGB图像数据进行无监督聚类学习，建立相似度模型；分类单元，用于根据相似度模型，对RGB图像数据进行聚合分类。在该技术方案中，将病虫害图像解析为RGB图像数据后，通过对无监督聚类算法进行训练学习，从而建立最佳相似度模型，根据相似度模型，对RGB图像数据进行聚合分类，得到带虫眼的数据组以及不带虫眼的数据组，并在分类的基础上通过对带虫眼数据的统计分析，准确确认虫点个数，从而有效识别病虫害图像。在上述任一技术方案中，优选地，统计单元对分类后的RGB图像数据的进行虫眼统计，确定虫点数量的步骤，具体包括：计数单元，用于统计虫眼的数量；计算单元，用于计算虫眼的数量与预设阈值的比值，根据比值确定虫点数量；计算单元，具体用于当比值为整数值时，将整数值作为虫点数量值；计算单元，具体还用于当比值为小数时，将小数进位取整，将取整后的整数值作为虫点数量值。在该技术方案中，对分类后的RGB图像数据的进行虫眼统计，优选的，对带有虫眼的一组RGB图像数据进行统本文档来自技高网...

【技术保护点】
一种病虫害识别方法，其特征在于，包括：采集病虫害图像，将所述病虫害图像转换成RGB图像数据；使用无监督聚类算法对所述RGB图像数据进行聚类分析，得到病虫害图像分类；对分类后的所述RGB图像数据进行虫眼统计，确定虫点数量；判断所述虫点数量是否大于预设虫点数量；当判断结果为是时，发出报警提示。

【技术特征摘要】
1.一种病虫害识别方法，其特征在于，包括：采集病虫害图像，将所述病虫害图像转换成RGB图像数据；使用无监督聚类算法对所述RGB图像数据进行聚类分析，得到病虫害图像分类；对分类后的所述RGB图像数据进行虫眼统计，确定虫点数量；判断所述虫点数量是否大于预设虫点数量；当判断结果为是时，发出报警提示。2.根据权利要求1所述的病虫害识别方法，其特征在于，所述使用无监督聚类算法对所述RGB图像数据进行聚类分析，得到病虫害图像分类的步骤，具体包括：对所述RGB图像数据进行无监督聚类学习，建立相似度模型；根据所述相似度模型，对所述RGB图像数据进行聚合分类。3.根据权利要求1所述的病虫害识别方法，其特征在于，所述对分类后的所述RGB图像数据的进行虫眼统计，确定虫点数量的步骤，具体包括：统计所述虫眼的数量；计算所述虫眼的数量与预设阈值的比值，根据所述比值确定所述虫点数量；当所述比值为整数值时，将所述整数值作为所述虫点数量值；当所述比值为小数时，将所述小数进位取整，将取整后的整数值作为所述虫点数量值。4.根据权利要求3所述的病虫害识别方法，其特征在于，所述预设阈值为10。5.根据权利要求1至4中任一项所述的病虫害识别方法，其特征在于，所述无监督聚类算法为K均值聚类。6.根据权利要求1至4中任一项所述的病虫害识别方法，其特征在于，所述病虫害图像分类包括：虫眼数据组和非虫眼数据组。7.一种病虫害识别装置，其特征在于，包括：图像采集与处理单元，用于采集病虫害图像，将所述病虫害图像转换成RGB...

【专利技术属性】
技术研发人员：王刚，
申请(专利权)人：深圳前海弘稼科技有限公司，
类型：发明
国别省市：广东,44