一种基于大数据的农业病虫害诊断与预警系统技术方案

本发明专利技术属于农业病虫害诊断与预警技术领域，公开了一种基于大数据的农业病虫害诊断与预警系统，所述基于大数据的农业病虫害诊断与预警系统包括：图像采集模块、识别模块、中央控制模块、大数据处理模块、预警模块、分析模块、云存储模块、显示模块。本发明专利技术通过识别模块对识别出的受病虫害的叶片的患病分类并采取预防措施，提高农作物病虫害智能识别率；同时，通过分析模块能够在病虫害发生之前给出病虫害发生等级的预警分析报告，内容详尽，同时给出相应的防治方法，有效避免病虫害的发生，将病虫害对农作物产量的影响降低到最小，避免给国家和人民造成巨大的经济损失。家和人民造成巨大的经济损失。家和人民造成巨大的经济损失。

【技术实现步骤摘要】
一种基于大数据的农业病虫害诊断与预警系统


[0001]本专利技术属于农业病虫害诊断与预警
，尤其涉及一种基于大数据的农业病虫害诊断与预警系统。

技术介绍

[0002]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。然而，现有基于大数据的农业病虫害诊断与预警系统采用的是比较单一的识别方法，对于动态环境中的农作物病虫害智能识别率低；同时，在进行农作物病虫害的防治时，对病虫害的影像进行反馈，监测出病虫害的发生，再给出预警信息，这样会造成信息一定的滞后性，导致已经有症状发生的植株产量降低，大大影响冬小麦的产量，给农户造成巨大的经济损失。
[0003]综上所述，现有技术存在的问题是：现有基于大数据的农业病虫害诊断与预警系统采用的是比较单一的识别方法，对于动态环境中的农作物病虫害智能识别率低；同时，在进行农作物病虫害的防治时，对病虫害的影像进行反馈，监测出病虫害的发生，再给出预警信息，这样会造成信息一定的滞后性，导致已经有症状发生的植株产量降低，大大影响冬小麦的产量，给农户造成巨大的经济损失。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供了一种基于大数据的农业病虫害诊断与预警系统。
[0005]本专利技术是这样实现的，一种基于大数据的农业病虫害诊断与预警系统包括：
[0006]图像采集模块、识别模块、中央控制模块、大数据处理模块、预警模块、分析模块、云存储模块、显示模块；
[0007]图像采集模块，与识别模块连接，用于采集昆虫图像、作物叶片图像；
[0008]识别模块，与图像采集模块、中央控制模块连接，用于对农作物病虫害叶片进行识别；
[0009]中央控制模块，与识别模块、大数据处理模块、预警模块、分析模块6、云存储模块、显示模块连接，用于控制各个模块正常工作；
[0010]大数据处理模块，与中央控制模块连接，用于通过大数据资源对采集的图像及识别信息进行处理；
[0011]预警模块，与中央控制模块连接，用于对农业病虫害进行预警；
[0012]分析模块，与中央控制模块连接，用于对农作物病虫害预警信息进行分析；
[0013]云存储模块，与中央控制模块连接，用于通过云服务器对采集的图像、识别信息、
预警信息、分析结果进行存储；
[0014]显示模块，与中央控制模块连接，用于通过显示器显示采集的图像、识别信息、预警信息、分析结果。
[0015]进一步，所述通过大数据资源对采集的图像及识别信息进行处理包括：
[0016]步骤一，农业病虫害待识别区域标记，对农业病虫害图像中相近像素的标记，让每个单独的农业病虫害待识别区域形成一个被识别的块；
[0017]步骤二，计算出每块农业病虫害待识别区域的面积，利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，得到图像相近的农业病虫害图像和非农业病虫害图像；
[0018]步骤三，利用近似图像分离方法，将无农业病虫害图像分割出来；形状用分水岭分割法将一个连通的农业病虫害待识别区域分割成若干个小面积的农业病虫害待识别区域；无农业病虫害图像的农业病虫害待识别区域在是一个呈方形或者类方形的农业病虫害待识别区域组成，形状分水岭分割法不会将其分割成小块，面积远大于非农业病虫害图像所以可以利用农业病虫害待识别区域面积将农业病虫害图像提取出来；再利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，将小面积农业病虫害待识别区域删除，留下的就是分割完成后的非农业病虫害图像；
[0019]所述近似图像分离方法包括：
[0020]D＝
‑
bwdist(～LIBO)；
[0021]mask＝imextendedmin(D,2)；
[0022]D2＝imimposemin(D,mask)；
[0023]Ld＝watershed(D2)；
[0024]Water_splited＝LIBO；
[0025]Water_splited(Ld＝＝0)＝0；
[0026]其中，LIBO为删除小面积后的图像，首先利用bwdist函数对图像进行距离变换，利用imextendedmin函数过滤掉特别小的区域；最后再使用watershed函数分割得到非农业病虫害图像；
[0027]步骤四，图像相减，在包含农业病虫害和非农业病虫害图像原图中，将非农业病虫害图像分割出并计数，利用Matlab提供的函数imsubtract去除原图中的无农业病虫害图像部分得到只包含农业病虫害图像的图像，再利用总面积除以平均面积得出农业病虫害图像数量；
[0028]具体包括：将包含农业病虫害图像和非农业病虫害图像减去在得到的非农业病虫害图像，得到农业病虫害图像；
[0029]函数imsubtract为：Z＝imsubtract(X,Y),其中Z为得到的农业病虫害图像图像，X包含农业病虫害图像和非农业病虫害图像的原始图像，Y为得到的非农业病虫害图像像；得到非农业病虫害图像。
[0030]进一步，农业病虫害待识别区域标记，对农业病虫害图像中相近像素的标记，让每个单独的农业病虫害待识别区域形成一个被识别的块具体包括：
[0031]利用Matlab中bwlabel函数对血液细胞二值化图像中相近像素进行标记，每个单独的农业病虫害待识别区域形成一个被识别的块；
[0032]bwlabel函数为：[P,num1]＝bwlabel(I1,8)，其中P为标记后的图像；num1为农业病虫害待识别区域个数；I1为待标记的原图像；8为参数，采用8邻域计算农业病虫害待识别区域。
[0033]进一步，计算出每块农业病虫害待识别区域的面积，利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，得到图像相近的农业病虫害图像和非农业病虫害图像具体包括：
[0034]利用regionprops函数来计算被标记的每块农业病虫害待识别区域的面积，regionprops函数为：stats1＝regionprops(P,'Area')，其中stats1为一个数据矩阵，保存每个农业病虫害待识别区域面积大小；P为得到的被标记后的图像；Area为参数，用regionprops函数来计算农业病虫害待识别区域面积；
[0035]得到各个农业病虫害待识别区域面积之后，再利用bwareaopen函数删除面积小于20000的农业病虫害待识别区域，bwareaopen函数为LIBO＝bwareaopen(P,20000,8)，其中LIBO为删除小面积后的图像；P为待删除的图像；20000为自定参数，用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的农业病虫害诊断与预警系统，包括中央控制模块用于控制各个模块正常工作，其特征在于，所述基于大数据的农业病虫害诊断与预警系统包括：大数据处理模块，与中央控制模块连接，用于通过大数据资源对采集的农业病虫害图像及农业病虫害识别信息进行处理；预警模块，与中央控制模块连接，用于对农业病虫害进行预警；所述通过大数据资源对采集的图像及识别信息进行处理包括：步骤一，农业病虫害待识别区域标记，对农业病虫害图像中相近像素的标记，让每个单独的农业病虫害待识别区域形成一个被识别的块；步骤二，计算出每块农业病虫害待识别区域的面积，利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，得到图像相近的农业病虫害图像和非农业病虫害图像；步骤三，利用近似图像分离方法，将无农业病虫害图像分割出来；形状用分水岭分割法将一个连通的农业病虫害待识别区域分割成若干个小面积的农业病虫害待识别区域；无农业病虫害图像的农业病虫害待识别区域在是一个呈方形或者类方形的农业病虫害待识别区域组成，形状分水岭分割法不会将其分割成小块，面积远大于非农业病虫害图像所以可以利用农业病虫害待识别区域面积将农业病虫害图像提取出来；再利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，将小面积农业病虫害待识别区域删除，留下的就是分割完成后的非农业病虫害图像；所述近似图像分离方法包括：D＝
‑
bwdist(～LIBO)；mask＝imextendedmin(D,2)；D2＝imimposemin(D,mask)；Ld＝watershed(D2)；Water_splited＝LIBO；Water_splited(Ld＝＝0)＝0；其中，LIBO为删除小面积后的图像，首先利用bwdist函数对图像进行距离变换，利用imextendedmin函数过滤掉特别小的区域；最后再使用watershed函数分割得到非农业病虫害图像；步骤四，图像相减，在包含农业病虫害和非农业病虫害图像原图中，将非农业病虫害图像分割出并计数，利用Matlab提供的函数imsubtract去除原图中的无农业病虫害图像部分得到只包含农业病虫害图像的图像，再利用总面积除以平均面积得出农业病虫害图像数量；具体包括：将包含农业病虫害图像和非农业病虫害图像减去在得到的非农业病虫害图像，得到农业病虫害图像；函数imsubtract为：Z＝imsubtract(X,Y),其中Z为得到的农业病虫害图像图像，X包含农业病虫害图像和非农业病虫害图像的原始图像，Y为得到的非农业病虫害图像像；得到非农业病虫害图像。2.如权利要求1所述基于大数据的农业病虫害诊断与预警系统，其特征在于，农业病虫害待识别区域标记，对农业病虫害图像中相近像素的标记，让每个单独的农业病虫害待识
别区域形成一个被识别的块具体包括：利用Matlab中bwlabel函数对血液细胞二值化图像中相近像素进行标记，每个单独的农业病虫害待识别区域形成一个被识别的块；bwlabel函数为：[P,num1]＝bwlabel(I1,8)，其中P为标记后的图像；num1为农业病虫害待识别区域个数；I1为待标记的原图像；8为参数，采用8邻域计算农业病虫害待识别区域。3.如权利要求1所述基于大数据的农业病虫害诊断与预警系统，其特征在于，计算出每块农业病虫害待识别区域的面积，利用MATLAB函数bwareaopen删除面积小于一定值的农业病虫害待识别区域，得到图像相近的农业病虫害图像和非农业病虫害图像具体包括：利用regionprops函数来计算被标记的每块农业病虫害待识别区域的面积，regionprops函数为：stats1＝regionprops(P,'Area')，其中stats1为一个数据矩阵，保存每个农业病虫害待识别区域面积大小；P为得到的被标记后的图像；Area为参数，用regionprops函数来计算农业病虫害待识别区域面积；得到各个农业病虫害待识别区域面积之后，再利用bwareaopen函数删除面积小于20000的农业病虫害待识别区域，bwareaopen函数为LIBO＝bwareaopen(P,20000,8)，其中LIBO为删除小面积后的图像；P为待删除的图像；20000为自定参数，用于删除面积小于20000的农业病虫害待识别区域；8为参数，采用8邻域计算农业病虫害待识别区域。4.如权利要求1所述基于大数据的农业病虫害诊断与预警系统，其特征在于，所述基于大数据的农业病虫害诊断与预警系统还包括：图像采集模块，与识别模块连接，用于采集昆虫图像、作物叶片图像；识别模块，与图像采集模块、中央控制模...

【专利技术属性】
技术研发人员：郑妍妍，毕洪文，李杨，张有智，丁俊杰，宋丽娟，刘克宝，于洋，曹良子，王敬元，唐立新，庄家煜，刘艳霞，李岩，黄峰华，刘凯，付博，袁媛，吴黎，高洪儒，
申请(专利权)人：黑龙江省农业科学院农业遥感与信息研究所，
类型：发明
国别省市：