基于红外热成像边缘检测处理的小麦叶锈病分级的方法技术

本发明专利技术公开了基于红外热成像边缘检测处理的小麦叶锈病分级的方法，涉及小麦锈病的检测技术领域。首先采集整株小麦样本的红外热成像图，分别计算健康植株、潜育期植株和显症植株的平均叶温，探明真菌入侵过程中的温度变化规律；然后将经过直方图均衡化和中值滤波预处理的红外热像中低于显症植株温度阈值的区域提取出来；通过温度区域划分、低温区域提取和阈值分割，计算病灶面积在整体植株热成像总面积中的占比；最后与病情指数进行相关分析，获得相关系数为0.9755，预测均方根误差RMSE为9.79％，总体识别率为90％。本发明专利技术与一般的近红外检测病害的方法相比，检测速度快、发现病害更早。

【技术实现步骤摘要】
基于红外热成像边缘检测处理的小麦叶锈病分级的方法
本专利技术涉及小麦锈病的检测
，特指一种红外热成像边缘检测处理的小麦叶锈病分级的方法。
技术介绍
小麦锈病对我国小麦生产危害巨大，实现小麦锈病的快速监测和分级是进行科学生产管理的基础，同时也是实现尽早施药的前提。小麦在生长过程中常受到病害侵袭并造成减产，严重时绝收。全世界正式记载的小麦病害约200种，我国报道过的有60余种，常见38种，重要的有小麦锈病(条锈、叶锈、秆锈)，白粉病、叶枯病、赤霉病、全蚀病、纹枯病、黑穗病、叶斑根腐病等。其中叶部病害在我国多发的有条锈病、叶锈病、白粉病、叶枯病等。根据中国小麦网2017年2月15日数据，仅条锈病已在全国共8省53市210个县见病，发病县数和面积分别是2011年以来同期平均值的1.7倍和3倍，分别比同期重发的2012年增加84.2％和94.3％，是历年同期发生范围最广、病情最严重的一年。2018年1月8日数据，预计2018年小麦病害发生面积可达4.8亿亩次，病情重于往年，特别是条锈病、白粉病对小麦主产区安全生产威胁极大。传统的病害监测方法主观性强，费时费力；除了人工感官判定外还包括生物本文档来自技高网...

【技术保护点】
1.基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于按照下述步骤进行：(1)样本培育，(2)采集红外热成像图，(3)病情指数获取，(4)红外热成像图预处理，(5)建立识别模型，(6)利用上述模型检测作物潜育期是否发病及病害轻重程度。

【技术特征摘要】
1.基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于按照下述步骤进行：(1)样本培育，(2)采集红外热成像图，(3)病情指数获取，(4)红外热成像图预处理，(5)建立识别模型，(6)利用上述模型检测作物潜育期是否发病及病害轻重程度。2.根据权利要求1所述的基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于其中步骤(1)所述的样本培育是指：小麦样本的培育在人工智能生长室进行，设定条件如下，温度范围：最高15℃，最低11℃；光照：白天12h，夜间12h；光照强度：10000lux，湿度范围：60～70％。3.根据权利要求1所述的基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于其中步骤(2)所述的采集红外热成像图是指通过热成像仪采集小麦叶片的红外热成像图。4.根据权利要求1所述的基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于其中步骤(2)采集红外热成像图时：温度热灵敏测量精度为<0.06℃；测温范围：-20℃至250℃；拍摄模式为中央点偏重测光模式；视场角：<水平45°×垂直34°；瞬时视场5.2mrad；红外图像分辨率：160×120像素。5.根据权利要求1所述的基于红外热成像边缘检测处理的小麦叶锈病分级的方法，其特征在于其中步骤(2)红外热像图采集期间，室温保持在20℃，相对湿度50％，...

【专利技术属性】
技术研发人员：朱文静，李林，李晋阳，刘继展，魏新华，毛罕平，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32