一种农作物病虫害识别方法及系统技术方案

本发明专利技术公开了一种农作物病虫害识别方法及系统，涉及病虫害识别技术领域，建立的数据库，可以根据图像精确识别已经被认知发现的病虫害。采用采集模块进行农作物信息的采集，对采集信息进行分析识别，匹配图像信息与数据库信息，辨别农作物是否出现病虫害以及辨别病虫害的类别，辨别方式包括生命体征辨别、异常颜色辨别；本发明专利技术提供的一种农作物病虫害识别方法及系统，建立农作物病虫害训练模型，将采集到的农田图像导入其中，检测其是否存在害虫，并检测农作物的其它生长数据。

【技术实现步骤摘要】
一种农作物病虫害识别方法及系统
本专利技术涉及病虫害识别
，特别涉及一种农作物病虫害识别方法及系统。
技术介绍
农作物病虫害是我国的主要农业灾害之一，它具有种类多、影响大、并时常暴发成灾的特点，其发生范围和严重程度对我国国民经济、特别是农业生产常造成重大损失。我国农作物常见的有以下种类的病虫害：稻飞虱、白粉病、玉米螟、棉铃虫、小麦锈病、棉蚜、稻纹枯病、稻瘟病、麦蚜、麦红蜘蛛、蝗虫、麦类赤霉病等，已成为严重影响我国农业生产的重大病虫害。人们通常把为害各种植物的昆虫和螨类等称为害虫，把由它们引起的各种植物伤害称为虫害。虫害的特点是为害速度快，损失程度重，防控难度大。在害虫防治实践中，首先要正确识别益虫和害虫，能够很好地利用益虫和控制害虫。其次要掌握昆虫的一般形态特征及其生长发育规律，找到昆虫生活的弱点对其防治，达到事半功倍的效果。而现实生活中，农作物数量极为庞大，在农田内检查、识别并确定害虫种类是一件极困难的事，害虫大多体积轻便，依靠人力在辽阔的农田内确认是否有害虫存在及其耗费人力，且效果不佳。针对此现象，本申请提供一种农作物病虫害识别方法及系统，建立农作物病虫害训练模型，将采集到的农田图像导入其中，检测其是否存在害虫，并检测农作物的其它生长数据。
技术实现思路
本专利技术的目的在于提供一种农作物病虫害识别方法及系统，建立农作物病虫害训练模型，将采集到的农田图像导入其中，检测其是否存在害虫，并检测农作物的其它生长数据。本专利技术提供了一种农作物病虫害识别方法，包括以下步骤：步骤一：搜索整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法；步骤二：根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型；步骤三：采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析；步骤四：将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别。进一步地，所述步骤三对图像信息采用中值滤波算法进行图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换，识别异常颜色区域，使用RGB颜色模型提取异常颜色区域，标记该区域，导入所述农作物病虫害训练模型进行识别。进一步地，所述步骤三中所述其他生长数据包括农作物表面温度和农作物表面生命体征，对所述农作物表面温度出现异常的位置进行标记，并导入所述农作物病虫害训练模型进行识别；在农作物表面监测到生命体征，对监测位置进行标记，并导入所述农作物病虫害训练模型进行识别。进一步地，所述步骤三对图像信息的处理分析为：实时获取农作物表面的图像信息，并实时比对相邻时序图像的差异，若比对出差异，则对差异位置进行标记并导入所述农作物病虫害训练模型进行识别；若无差异，则继续获取图像并比对。进一步地，所述步骤四中提到的病虫害的识别，其具体步骤如下所示：将所述生长图像导入农作物病虫害训练模型进行初步识别；根据初步识别结果与农作物病虫害数据库进行匹配；匹配成功后，导出匹配结果和匹配对应的病虫害特点和治理方法。进一步地，应用一种农作物病虫害识别方法的识别系统，其特征在于，包括：数据库：搜索整合农作物病虫害数据，并分类存储；采集模块：包括红外热像仪、颜色识别器和机器视觉模块，分别采集农作物表面温度值、颜色分布和图像信息；图像处理模块：对采集的图像进行滤波、降噪；图像比对模块：将采集图像与数据库中的图像进行比对；图像分析模块：根据比对结果进行图像中虫害类别的分析，并输出显示分析结果。与现有技术相比，本专利技术具有如下显著优点：本专利技术提供了一种农作物病虫害识别方法及系统，建立的数据库，可以根据图像精确识别已经被认知发现的病虫害。采用采集模块进行农作物信息的采集，对采集信息进行分析识别，匹配图像信息与数据库信息，辨别农作物是否出现病虫害以及辨别病虫害的类别，辨别方式包括生命体征辨别、异常颜色辨别，结合本申请提供的方法和系统，可以快速准确的进行农作物病虫害的识别，减少人力的浪费，提高识别精度；本专利技术提供的一种农作物病虫害识别方法及系统，建立农作物病虫害训练模型，将采集到的农田图像导入其中，检测其是否存在害虫，并检测农作物的其它生长数据。附图说明图1为本专利技术实施例提供的一种农作物病虫害识别方法及系统的方法流程图。具体实施方式下面结合本专利技术中的附图，对本专利技术实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。参照图1，本专利技术提供了一种农作物病虫害识别方法，包括以下步骤：步骤一：搜索整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法；步骤二：根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型；步骤三：采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析；步骤四：将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别。实施例1所述步骤三对图像信息采用中值滤波算法进行图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换，识别异常颜色区域，使用RGB颜色模型提取异常颜色区域，标记该区域，导入所述农作物病虫害训练模型进行识别。其中，标记区域的像素点同时满足：|R-G|≤0.118、|B-G|≤0.118和|R-B|≤0.118，R、G、B分别表示像素点在RGB色彩空间R、G、B通道的值。对采集图像的颜色进行处理、区分和识别，确定异常颜色的位置，对异常颜色进行深一步的辨别，判断异常颜色的原因。常见异常原因有，农作物本身出现缺陷或破损、农作物表面出现异物，若判别为异物，则进行异物生命体征的探查，识别其是否为活体生命。若不是则为普通异物，若存在生命体征，则将图像导入农作物病虫害训练模型进行病虫害的识别。实施例2所述步骤三中所述其他生长数据包括农作物表面温度和农作物表面生命体征，对所述农作物表面温度出现异常的位置进行标记，并导入所述农作物病虫害训练模型进行识别，分析温度异常的区域和原因，判别其是否存在生命体附着；在农作物表面监测到生命体征，对监测位置进行标记，并导入所述农作物病虫害训练模型进行识别。实施例3所述步骤三对图像信息的处理分析为：实时获取农作物表面的图像信息，并实时比对相邻时序图像的差异，若比对出差异，则对差异位置进行标记并导入所述农作物病虫害训练模型进行识别；若无差异，则继续获取图像并比对。其差异表面图像中存在移动的物体，需要对其进行分析处理，同时可以获取到生命体的移动轨迹。实施例4所述步骤四中提到的病虫害的识别，其具体步骤如下所示：将所述生长图像导入农作物病虫本文档来自技高网...

【技术保护点】
1.一种农作物病虫害识别方法，其特征在于，包括以下步骤：/n步骤一：搜索整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法；/n步骤二：根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型；/n步骤三：采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析；/n步骤四：将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别。/n

【技术特征摘要】
1.一种农作物病虫害识别方法，其特征在于，包括以下步骤：
步骤一：搜索整合农作物病虫害数据，整合已知病虫害的图片以及对应的病虫害特点和治理方法；
步骤二：根据整合结果建立农作物病虫害数据库，并建立对应的农作物病虫害训练模型；
步骤三：采集农作物的生长图像信息及其他生长数据，对采集结果进行处理分析；
步骤四：将生长图像导入农作物病虫害训练模型，检测其他生长数据，进行病虫害的识别。


2.如权利要求1所述的一种农作物病虫害识别方法，其特征在于，所述步骤三对图像信息采用中值滤波算法进行图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换，识别异常颜色区域，使用RGB颜色模型提取异常颜色区域，标记该区域，导入所述农作物病虫害训练模型进行识别。


3.如权利要求1或2所述的一种农作物病虫害识别方法，其特征在于，所述步骤三中所述其他生长数据包括农作物表面温度和农作物表面生命体征，对所述农作物表面温度出现异常的位置进行标记，并导入所述农作物病虫害训练模型进行识别；在农作物表面监测到生命体征，对监测位置进行标记，并导入所述农作物病虫害训练模型进行识...

【专利技术属性】
技术研发人员：陈一品，赵冬丽，张艳，史红娜，悦祥营，吴晶晶，于俊玲，郭风勋，李春姣，王建胜，
申请(专利权)人：陈一品，
类型：发明
国别省市：河南;41