一种作物叶部病害图像增强及快速探测方法技术

本发明专利技术公开了一种作物叶部病害图像增强及快速探测方法，所述方法为：基于滑动窗口的复杂背景下采取小样本作物叶部病害图像数据，进行图像增强，将训练样本数据分为地面类、健康叶片类和病斑类，训练完成后输出训练模型，采用滑动窗口切割遍历图像，对每一滑动窗口中的图像进行识别，输出识别标签，病斑类则将滑动窗口颜色重新设置成红色边框进行标记，滑动窗口遍历完成，输出所有用红色框标注的探测结果。本发明专利技术解决了现有作物叶部病变识别准确率低、易受外部环境影响的问题。

【技术实现步骤摘要】
一种作物叶部病害图像增强及快速探测方法
本专利技术涉及农作物防护
，具体涉及一种作物叶部病害图像增强及快速探测方法。
技术介绍
植物病害是农业面临的一大挑战，严重影响作物生成，给农民造成较大的损失，对作物病虫害进行准确、快速的识别定位，有助于病虫害早期防治，减少经济损失。传统上依靠专家经验判断作物病害的发病程度，依靠肉眼进行病害特征识别，常常导致误诊。农作物病害种类繁多，且病害分级不易，很难将叶片染病情况量化，但在防治方面需要根据病情进行不同处理。在农业实际生产过程中，传统的病害检测方法已不能满足大规模种植的需要，而且由于诊断效率低、病害传播快，植物往往会错过最佳防治期。基于计算机视觉技术对作物叶部病斑特征进行提取并自动识别，排除诊断主观性和对专家的依赖性，及时且准确对病害进行识别诊断，精准施药，不但可以控制病虫害，还能大幅较少农药的使用，进而较少农药对环境造成的污染。对作物病害的早期识别，早期防治具有重要意义。植物病害的无损检测是近年来研究的重要课题，如今在作物病害类型辨别方面，分类识别技术的研究已经取得了不错的成果。专本文档来自技高网...

【技术保护点】
1.一种作物叶部病害图像增强及快速探测方法，其特征在于，所述方法为：/n基于滑动窗口的复杂背景下采取小样本作物叶部病害图像数据，进行图像增强，将训练样本数据分为地面类、健康叶片类和病斑类，训练完成后输出训练模型，采用滑动窗口切割遍历图像，对每一滑动窗口中的图像进行识别，输出识别标签，病斑类则将滑动窗口颜色重新设置成红色边框进行标记，滑动窗口遍历完成，输出所有用红色框标注的探测结果。/n

【技术特征摘要】
1.一种作物叶部病害图像增强及快速探测方法，其特征在于，所述方法为：
基于滑动窗口的复杂背景下采取小样本作物叶部病害图像数据，进行图像增强，将训练样本数据分为地面类、健康叶片类和病斑类，训练完成后输出训练模型，采用滑动窗口切割遍历图像，对每一滑动窗口中的图像进行识别，输出识别标签，病斑类则将滑动窗口颜色重新设置成红色边框进行标记，滑动窗口遍历完成，输出所有用红色框标注的探测结果。


2.如权利要求1所述的一种作物叶部病害图像增强及快速探测方法，其特征在于，所述滑动窗口进行数据增强，滑动窗口大小及步长根据实际病斑情况进行设置，对滑动窗口内的图像进行切割。


3.如权利要求2所述的一种作物叶部病害图像增强及快速探测方法，其特征在于，所述滑动窗口内图像切割成多张小尺寸图像，多张小尺寸图像组成训练样本，通过对切割图像样本分析，将复杂背景分为地面类、健康叶片类和病斑类。


4.如权利要求3所述的一种作物叶部病害图像增强及快速探测方法，其特征在于，所述多张小尺寸图像进行颜色纹理特征提取，按照训练集：验证集：测试机＝8:1:1的比例设置，通过对SVM径向基核函数分类器进行训练，选取最优参数并保存训练模型。


5.如权利要求4所述的一种作物叶部病害图像增强及快速探测方法，其特征在于，所述训练模型输出后，对采集的或者存储的植物病变图像进行滑动窗口遍历，提取滑动窗口中切割图像的颜色纹理特征，对每一滑动窗口中的图像进行识别，输出识别标签。


6.如权利要求5所述的一种作物叶部病害图像增强及快速探测方法，其特征在于，所述识别标签输出的具体过程为：
步骤1：系统初始化：启动诊断系统，初始化滑动窗口S大小为[w，h]、步长[Sx，Sy]；
步骤2：采集病害图像I，大小为[m，n]，采用滑动窗口S遍历采集的图像I，[x，y]为滑动窗口S在图像I上左上角坐标，滑动窗口S当前切割的图像块记为：Ixy，大小为[Sx，Sy]；
步骤3：提取Ixy的颜色纹理特征，输入训练好的SVM模型进...

【专利技术属性】
技术研发人员：田国英，吴华瑞，李瑜玲，杨英茹，张燕，朱华吉，黄媛，高欣娜，
申请(专利权)人：石家庄市农林科学研究院，
类型：发明
国别省市：河北;13