一种橡胶树白粉病孢子计数方法技术

本发明专利技术提供一种橡胶树白粉病孢子计数方法，该方法包括：获取孢子图像数据集；对孢子图像数据集进行预处理；对目标检测算法进行改进；将经过预处理的孢子图像数据集进行分割获得第一训练集、第一验证集和第一测试集，基于第一训练集使用目标检测算法预训练模型训练应用于检测目标孢子的第一模型，目标孢子为橡胶树白粉病孢子；获取实时孢子图像，将实时孢子图像输入到第一模型中，第一模型对实时孢子图像中的目标孢子进行识别并统计其数量，输出统计结果；根据统计结果输出目标孢子浓度等级统计结果，根据目标孢子浓度等级统计结果生成橡胶树白粉病预报结果。本发明专利技术相较于现有计数方法计数准确率更高、速度更快。速度更快。速度更快。

【技术实现步骤摘要】
一种橡胶树白粉病孢子计数方法


[0001]本专利技术涉及孢子图像识别
，尤其涉及一种橡胶树白粉病孢子计数方法。

技术介绍

[0002]橡胶树白粉病是橡胶树的重要病害，若不加以监测并及时防治会导致橡胶林减产，影响种植户的收益，目前针对橡胶树白粉菌孢子的捕捉识别技术方法均停留在林间用孢子捕捉器捕捉，将捕捉到的孢子放在显微镜下使用肉眼人工逐个计数的方式，费时费力且难以避免计数误差。类比现有其他细胞孢子识别计数，目前有以下几种解决方式：1、平均面积法，通过识别孢子轮廓，除以设定的单个孢子的面积得到孢子个数；缺点：形状不可控，准确率低。2、连通区域算法：通过计算，准确率低。3、支持向量机SVM，运行较速度慢，且未使用深度学习的方法，准确率虽高于前者，但其容易造成过拟合、泛化能力不足。因此，有必要研究一种准确率更高、识别速度更快的孢子计数方法。

技术实现思路

[0003]鉴于此，本专利技术的目的在于提供一种橡胶树白粉病孢子计数方法，以克服或至少部分解决现有技术所存在的上述问题。
[0004]一种橡胶树白粉病孢子计数方法，包括以下步骤：
[0005]S101、获取孢子图像数据集，所述孢子图像数据集中包括若干张孢子图像；
[0006]S102、对孢子图像数据集进行预处理；
[0007]S103、对目标检测算法进行改进；
[0008]S104、将经过预处理的孢子图像数据集进行分割获得第一训练集、第一验证集和第一测试集，基于第一训练集使用目标检测算法预训练模型训练应用于检测目标孢子的第一模型，所述目标孢子为橡胶树白粉病孢子；
[0009]S105、获取实时孢子图像，将实时孢子图像输入到第一模型中，第一模型对实时孢子图像中的目标孢子进行识别并统计其数量，输出统计结果；
[0010]S106、根据统计结果输出目标孢子浓度等级统计结果，根据目标孢子浓度等级统计结果生成橡胶树白粉病预报结果。
[0011]进一步的，所述对孢子图像数据集进行预处理，具体包括：将孢子图像数据集中的孢子图像进行放大，将孢子图像四等分分割，对孢子图像进行标记。
[0012]进一步的，步骤S103中，所述目标检测算法为YOLOv5算法。
[0013]进一步的，步骤S103中，所述对目标检测算法进行改进，具体包括：在原有检测器的基础上对detect函数加入deepsort算法、加入级联匹配算法、更改IOU损失函数GIOU为DIOU。
[0014]进一步的，所述步骤S104与步骤S105之间还包括步骤：设置detect.py的参数，所述设置detect.py的参数包括：将source设为对应要检测的目标文件路径，若直接调用拍摄模块则设为0；将weight设为训练好权重的所在路径。
[0015]进一步的，步骤S105中，所述实时孢子图像通过孢子智能监测装置获取，所述孢子智能监测装置包括：
[0016]孢子收集模块，用于捕捉孢子并将孢子固定于观测台上；
[0017]拍摄模块，用于拍摄观测台上的孢子图像；
[0018]通讯模块，用于上传孢子图像到上位机或接收上位机的控制指令；
[0019]驱动模块，用于驱动孢子智能监测装置移动；
[0020]定位模块，用于定位孢子智能监测装置实时位置；
[0021]控制模块，用于根据控制指令控制孢子智能监测装置执行相应动作。
[0022]进一步的，所述步骤S105后还包括步骤：
[0023]S107、获取不同时间点的橡胶树林历史环境数据，以及对应的目标孢子历史浓度等级；
[0024]S108、根据橡胶树林历史环境数据分析影响目标孢子历史浓度等级的历史环境参数；
[0025]S109、根据历史环境参数和相应的目标孢子历史浓度等级生成第二训练集、第二验证集和第二测试集，基于第二训练集使用机器学习算法预训练模型训练应用于预测目标孢子浓度等级的第二模型；
[0026]S110、获取实时橡胶树林环境数据，分析实时橡胶树林环境数据获得实时环境参数，将实时环境参数输入到第二模型中，第二模型根据实时环境参数生成相应的目标孢子浓度等级预测结果；
[0027]S111、结合目标孢子浓度等级统计结果和目标孢子浓度等级预测结果生成最终橡胶树白粉病预报结果。
[0028]进一步的，所述方法还包括步骤：根据目标孢子浓度等级统计结果判断目标孢子浓度等级预测结果置信度，当目标孢子浓度等级预测结果置信度低于预设阈值时，根据目标孢子浓度等级统计结果对第二模型进行优化训练。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]1、相较于传统人工在显微镜下使用肉眼逐个技术的方式，能够有效提高计数效率，避免长时间专注引发的视觉疲劳，并避免人工计数导致的计数误差；
[0031]2、现有的平均面积法或连通区域算法等基于图像识别的算法在特殊环境下识别准确率不高，本方法在相同计算量和计算时间下可以获得更高的识别成功率，且在复杂图像环境下能够取得较好的识别结果。
附图说明
[0032]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的优选实施例，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的附图。
[0033]图1是本专利技术一实施例提供的一种橡胶树白粉病孢子计数方法整体流程示意图。
[0034]图2是本专利技术一实施例提供的孢子智能监测装置整体结构示意图。
[0035]图3是本专利技术另一实施例提供的一种橡胶树白粉病孢子计数方法整体流程示意
图。
[0036]图中，1孢子收集模块，2拍摄模块，3通讯模块，4驱动模块，5定位模块，6控制模块。
具体实施方式
[0037]以下结合附图对本专利技术的原理和特征进行描述，所列举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0038]参照图1，本实施例提供一种橡胶树白粉病孢子计数方法，所述方法包括以下步骤：
[0039]S101、获取孢子图像数据集，所述孢子图像数据集中包括若干张孢子图像。
[0040]S102、对孢子图像数据集进行预处理。
[0041]S103、对目标检测算法进行改进。
[0042]S104、将经过预处理的孢子图像数据集进行分割获得第一训练集、第一验证集和第一测试集，基于第一训练集使用目标检测算法预训练模型训练应用于检测目标孢子的第一模型，所述目标孢子为橡胶树白粉病孢子。
[0043]S105、获取实时孢子图像，将实时孢子图像输入到第一模型中，第一模型对实时孢子图像中的目标孢子进行识别并统计其数量，输出统计结果。
[0044]S106、根据统计结果输出目标孢子浓度等级统计结果，根据目标孢子浓度等级统计结果生成橡胶树白粉病预报结果。所述目标孢子浓度等级统计结果根据统计的目标孢子个数对其浓度等级本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种橡胶树白粉病孢子计数方法，其特征在于，所述方法包括以下步骤：S101、获取孢子图像数据集，所述孢子图像数据集中包括若干张孢子图像；S102、对孢子图像数据集进行预处理；S103、对目标检测算法进行改进；S104、将经过预处理的孢子图像数据集进行分割获得第一训练集、第一验证集和第一测试集，基于第一训练集使用目标检测算法预训练模型训练应用于检测目标孢子的第一模型，所述目标孢子为橡胶树白粉病孢子；S105、获取实时孢子图像，将实时孢子图像输入到第一模型中，第一模型对实时孢子图像中的目标孢子进行识别并统计其数量，输出统计结果；S106、根据统计结果输出目标孢子浓度等级统计结果，根据目标孢子浓度等级统计结果生成橡胶树白粉病预报结果。2.根据权利要求1所述的一种橡胶树白粉病孢子计数方法，其特征在于，所述对孢子图像数据集进行预处理，具体包括：将孢子图像数据集中的孢子图像进行放大，将孢子图像四等分分割，对孢子图像进行标记。3.根据权利要求1所述的一种橡胶树白粉病孢子计数方法，其特征在于，步骤S103中，所述目标检测算法为YOLOv5算法。4.根据权利要求3所述的一种橡胶树白粉病孢子计数方法，其特征在于，步骤S103中，所述对目标检测算法进行改进，具体包括：在原有检测器的基础上对detect函数加入deepsort算法、加入级联匹配算法、更改IOU损失函数GIOU为DIOU。5.根据权利要求3所述的一种橡胶树白粉病孢子计数方法，其特征在于，所述步骤S104与步骤S105之间还包括步骤：设置detect.py的参数，所述设置detect.py的参数包括：将source设为对应要检测的目标文件路径，若直接调用拍摄模块则设为0；将wei...

【专利技术属性】
技术研发人员：施泽坤，刘文波，王晖，倪思睿，仝琳，张涵莹，叶康瑞，王芯，
申请(专利权)人：海南大学，
类型：发明
国别省市：