一种稻瘟病分级系统及其方法技术方案

本发明专利技术提供一种稻瘟病分级系统及其方法，其能够快速、稳定、准确的进行水稻稻瘟病分级，操作方便，通过移动终端拍照即可实时获得稻瘟病精确的分级结果，降低了识别门槛，提高了识别工作的效率，该分级系统包括：图像预处理单元；病斑特征提取单元，用于计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n，像素点面积Img_n通过反向阈值切割得到去除病斑部分的第二图像，然后将第二图像进行OTSU二值化获取去掉病斑的第二像素点面积Img_n；面积占比计算单元，用于将病斑特征提取单元计算得到的第一像素点Img_N和第二像素点Img_n代入面积占比公式得到面积占比值；分级单元。

A Classification System of Rice Blast and Its Method

【技术实现步骤摘要】
一种稻瘟病分级系统及其方法
本专利技术涉及稻叶瘟病鉴定分级领域，具体而言，涉及一种稻瘟病分级系统及其方法。
技术介绍
稻瘟病是水稻最常见的病害之一，稻瘟病可能引起水稻大幅度减产，该病在世界范围各水稻种植区均有发生。水稻是我国第一大粮食作物，研究如何防治稻瘟病具有重要意义。稻瘟病因发病部位不同分为苗瘟、叶瘟、节瘟、穗颈瘟、谷粒瘟，其中叶瘟发病期主要呈现为叶片出现大小不同的病斑。科研人员根据稻瘟病病斑面积占叶片面积的比例将稻瘟病病害程度分为5个等级。目前对稻瘟病病程分级主要两种方法。一种是最常见的人工判定法，依靠有经验的农户或研究人员通过目测判定稻瘟病等级。该方法主观性强、精确度低，且严重依赖于科研人员的经验水平，无法满足对病斑区域的精确测量和客观判定。一种是基于高光谱遥感的稻瘟病分级检测技术，该方法可实现基于敏感波段的稻瘟病病程分级判定与叶绿素含量预测模型。但该方法存在三个缺点：(1)便携性差。该方法实现稻瘟病分级判定必须依赖光谱仪、叶绿素测定仪等专业仪器设备，要实现分级目的需携带大量设备。(2)成本高。普通人员想使用该方法必须购买相应的设备，并学习设备使用方法，大大提高了学习和使用的成本。(3)效率低。该方法获取结果需要一系列运算和分析，得出结果花费的时间较长。
技术实现思路
本专利技术的目的在于提供一种稻瘟病分级系统及其方法，其能够快速、稳定、准确的进行水稻稻瘟病分级，操作方便，通过移动终端拍照即可实时获得稻瘟病精确的分级结果，降低了识别门槛，提高了识别工作的效率。本专利技术的实施例是这样实现的：一种稻瘟病分级系统，该分级系统包括：图像预处理单元，用于提取稻叶图片中的目标区域并对目标区域预处理，经过预处理的图像为第一图像；病斑特征提取单元，用于计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n，像素点面积Img_n通过反向阈值切割得到去除病斑部分的第二图像，然后将第二图像进行OTSU二值化获取去掉病斑的第二像素点面积Img_n；面积占比计算单元，用于将病斑特征提取单元计算得到的第一像素点Img_N和第二像素点Img_n代入面积占比公式得到面积占比值；分级单元，用于获取面积占比值，通过比对稻瘟病分级标准得到分级结果。在本专利技术的较佳实施例中，上述反向阈值切割在HSV颜色空间下进行。在本专利技术的较佳实施例中，上述图像预处理单元中采用GrabCut算法对稻叶图片提取。在本专利技术的较佳实施例中，上述图像预处理单元采用5*5卷积核的高斯滤波器进行图像预处理。在本专利技术的较佳实施例中，上述图像预处理单元中的目标区域，首先由用户手动框选参考区域，图像预处理单元再使用GrabCut算法进行稻叶图片提取。本专利技术还提供一种稻瘟病分级方法，该分级方法包括如下步骤：S1:移动终端拍摄稻叶图片，用户根据拍摄的稻叶图片框选出需要分级的稻叶图像；S2：分级系统获取稻叶图像进行预处理，提取稻叶图像中的目标区域并对稻叶图片预处理，获得待处理的第一图像；S3：分级系统对第一图像作病斑特征提取，分别计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n；第一像素点面积Img_N的获取包括如下步骤：S311：将第一图像全局进行OTSU二值化；S312：遍历循环统计第一图像中的有效像素点得到全叶的第一像素点面积Img_N；第二像素点面积Img_n的获取步骤包括：S321：将第一图像进行HSV颜色空间转换；S322：根据HSV颜色空间做色彩分析确定阈值范围；S323：对阈值范围内的第一图像做反向阈值切割获取病斑外区域图像；S324：对病斑外区域图像做OTSU二值化；S325：遍历循环统计有效像素点得到第二像素点面积Img_n；S4：将计算得到的第一像素点面积Img_N和第二像素点Img_n代入面积占比公式得到面积占比值；S5：将面积占比值通过比对稻瘟病分级标准得到分级结果。在本专利技术的较佳实施例中，上述S323中的反向阈值切割包括如下步骤：根据S322确定的阈值范围，定义切割范围最小值为Lower_green，最大值为Upper_green，将反向阈值切割所得部分图像生成掩模，第一图像与掩模部分计算获得去除病斑部分的叶片。在本专利技术的较佳实施例中，上述OTUS二值化包括如下步骤：将第一图像分为前景和背景两个图像，并用ω0、ω1分别表示前景点、背景点所占比例，μ0、μ1分别表示前景、背景灰度均值，则有：μ＝ω0*μ0+ω1*μ1，前景与背景的方差为：g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2，将μ带入g则有：g＝ω0ω1(μ0-μ1)^2。在本专利技术的较佳实施例中，上述面积占比公式为：在本专利技术的较佳实施例中，上述S2中采用GrabCut算法对稻瘟病叶片进行提取，其包括如下步骤：将稻叶图像中的每一个像素看成图中的一个节点，然后在稻叶图像中增加两个节点，分别为F和B，F代表Foreground前景，而B代表Background背景，每两个相邻像素点用一条边相连，每一个像素点和F点用一条边相连，每一个像素点和B点也用一条边相连；最后将图像切割分成两部分，第一部分的像素点和F相连为前景，第二部分的像素点和B相连为背景；整幅稻叶图像的Gibbs能量函数可以表示为：E(α,k,θ,z)＝U(α,k,θ,z)+V(α,z)，其中，其中U函数部分表示能量函数的区域数据项，V函数表示能量函数的光滑项(边界项)，参数α代表分离后的前景或背景，αn＝0或1(背景或前景)；参数k是一个向量，k＝{k1,k2......kn},每个kn属于{1,2...k}集合，对应着k个高斯分量；θ代表每个高斯分量中参数；参数z是一个向量，z＝{z1....zn},每个zn代表着每个像素的灰度值。图像分割的过程就是使式(1)不断减小的过程，当它不能再减小，即趋于某一个恒定的值时，就表示图像分割完成。本专利技术实施例的有益效果是：本专利技术提供一种稻瘟病分级系统和方法，基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型，该算法模型利用OpenCV与python语言实现，以反向阈值切割为核心策略分离叶片与病斑，再以循环遍历模式统计像素点得出病斑面积占比，实现对稻瘟病的快速、精确分级。通过试验结果表明，本专利技术中的算法模型与专业研究人员人工判定的结果匹配度达95.77％，相对于人工判定，具备更高的稳定性和客观性。同时本分级系统以移动终端为图像采集端口，如手机APP，可以不依赖其他仪器和设备，通过手机拍照即可实时获得稻瘟病精确的分级结果，降低了研究门槛，提高了科研工作的效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例的稻瘟病分级方法的算法流程图；图2为本专利技术实施例的手机端操作界面图；图3为本专利技术实施例的两组稻瘟病叶片经GrabCut算法分离后的效果图；图4为本专利技术实施例的1、2、3、5级的稻瘟病叶片绘制出的颜色直方图；图5为本专利技术实施例的反向阈值切割的测试结果图。具体实施方式为使本专利技术实本文档来自技高网...

【技术保护点】
1.一种稻瘟病分级系统，其特征在于，所述分级系统包括：图像预处理单元，用于提取稻叶图片中的目标区域并对所述目标区域预处理，经过预处理的图像为第一图像；病斑特征提取单元，用于计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n，所述像素点面积Img_n通过反向阈值切割得到去除病斑部分的第二图像，然后将所述第二图像进行OTSU二值化获取所述去掉病斑的第二像素点面积Img_n；面积占比计算单元，用于将病斑特征提取单元计算得到的所述第一像素点Img_N和所述第二像素点Img_n代入面积占比公式得到面积占比值；分级单元，用于获取所述面积占比值，通过比对稻瘟病分级标准得到分级结果。

【技术特征摘要】
1.一种稻瘟病分级系统，其特征在于，所述分级系统包括：图像预处理单元，用于提取稻叶图片中的目标区域并对所述目标区域预处理，经过预处理的图像为第一图像；病斑特征提取单元，用于计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n，所述像素点面积Img_n通过反向阈值切割得到去除病斑部分的第二图像，然后将所述第二图像进行OTSU二值化获取所述去掉病斑的第二像素点面积Img_n；面积占比计算单元，用于将病斑特征提取单元计算得到的所述第一像素点Img_N和所述第二像素点Img_n代入面积占比公式得到面积占比值；分级单元，用于获取所述面积占比值，通过比对稻瘟病分级标准得到分级结果。2.根据权利要求1所述的稻瘟病分级系统，其特征在于，所述反向阈值切割在HSV颜色空间下进行。3.根据权利要求1所述的稻瘟病分级系统，其特征在于，所述图像预处理单元中采用GrabCut算法对所述稻叶图片提取。4.根据权利要求1所述的稻瘟病分级系统，其特征在于，所述图像预处理单元采用5*5卷积核的高斯滤波器进行图像预处理。5.所述根据权利要求1所述的稻瘟病分级系统，其特征在于，图像预处理单元中的目标区域，首先由用户在移动终端手动框选参考区域，所述图像预处理单元再使用GrabCut算法进行稻叶图片提取。6.一种稻瘟病分级方法，其特征在于，所述分级方法包括如下步骤：S1:移动终端拍摄稻叶图片，用户根据拍摄的所述稻叶图片框选出需要分级的稻叶图像；S2：分级系统获取所述稻叶图像进行预处理，提取所述稻叶图像中的目标区域并对所述稻叶图片预处理，获得待处理的第一图像；S3：分级系统对所述第一图像作病斑特征提取，分别计算得到全叶的第一像素点面积Img_N和去掉病斑的第二像素点面积Img_n；所述第一像素点面积Img_N的获取包括如下步骤：S311：将所述第一图像全局进行OTSU二值化；S312：遍历循环统计所述第一图像中的有效像素点得到所述全叶的第一像素点面积Img_N；所述第二像素点面积Img_n的获取步骤包括：S321：将所述第一图像进行HSV颜色空间转换；S322：根据所述H...

【专利技术属性】
技术研发人员：刘永波，胡亮，曹艳，唐江云，雷波，唐庆祥，
申请(专利权)人：四川省农业科学院农业信息与农村经济研究所，
类型：发明
国别省市：四川,51