基于机器视觉的农作物病虫害预测方法、系统及存储介质技术方案

本发明专利技术公开了一种基于机器视觉的农作物病虫害预测方法、系统及存储介质，方法包括：获取目标农作物的第一图像信息，对第一图像信息进行边缘检测得到目标农作物的若干个叶片轮廓，并根据叶片轮廓提取出叶片图像信息；将叶片图像信息输入到预先训练好的病变区域识别模型，得到目标农作物的病变类型，并提取出叶片病变区域；获取目标区域的第一气象指标信息和第一环境指标信息；将第一气象指标信息、第一环境指标信息以及叶片病变区域输入到预先训练好的病虫害预测模型，得到目标农作物的病虫害预测结果。本发明专利技术提高了农作物病虫害预测的效率，也提高了农作物病虫害预测的准确性和可靠性，可广泛应用于农作物灾害预测技术领域。域。域。

【技术实现步骤摘要】
基于机器视觉的农作物病虫害预测方法、系统及存储介质


[0001]本专利技术涉及农作物灾害预测
，尤其是一种基于机器视觉的农作物病虫害预测方法、系统及存储介质。

技术介绍

[0002]随着科技的进步，农作物病虫害识别方法由传统的人工辨识、仪器辨识，发展至基于数理统计的辨识和基于机器学习的识别方法，且新一代的方法在不断地克服原有方法的缺陷。例如，相较于传统的人工辨识，使用便携式仪器识别农作物病虫害的优势是客观性，避免了农业技术人员的主观臆断，但其局限性在于没有帮助农业技术人员摆脱繁重的工作，即自动化和智能化程度较低。随后基于数理统计和基于机器学习的农作物病虫害识别方法充分利用了数据的优势，能够从大量数据中挖掘出农作物病虫害的各类信息，包括病害部位、颜色、形状等关键信息，但是基于机器学习的农作物病虫害识别方法仍受特征提取困难的影响。
[0003]目前，国内的病虫害识别技术大多数先进行图像采集，再通过计算机视觉来进行智能识别，相关研究主要采用的方式有以下几类：传统的数字图像处理、支持向量机和人工智能神经网络。例如，国内学者姜慧基于Android手机创建水稻病、虫害基本信息数据库，调用Android手机自带摄像头完成水稻害虫图像采集、上传、识别结果接收，根据识别结果查询数据库，显示害虫标准图像、基本信息及防治措施；邱勇等人通过虫情测报灯对水稻害虫进行诱捕再通过摄像头用YOLO算法对水稻害虫进行识别。
[0004]然而，现有的病虫害识别方法无法对采集的原始图像进行病变特征区域的提取，这样在后续的识别过程中将消耗大量的计算资源去对未发生病变或病变不明显的区域进行识别处理，影响了农作物病虫害识别的效率；此外，仅通过农作物的图像来进行病虫害预测，未考虑到气候及环境因素的影响，导致农作物病虫害预测的准确性和可靠性不足。

技术实现思路

[0005]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0006]为此，本专利技术实施例的一个目的在于提供一种基于机器视觉的农作物病虫害预测方法，该方法提高了农作物病虫害预测的效率以及准确性、可靠性。
[0007]本专利技术实施例的另一个目的在于提供一种基于机器视觉的农作物病虫害预测系统。
[0008]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0009]第一方面，本专利技术实施例提供了一种基于机器视觉的农作物病虫害预测方法，包括以下步骤：
[0010]获取目标农作物的第一图像信息，对所述第一图像信息进行边缘检测得到所述目标农作物的若干个叶片轮廓，并根据所述叶片轮廓提取出叶片图像信息；
[0011]将所述叶片图像信息输入到预先训练好的病变区域识别模型，得到所述目标农作
物的病变类型，并提取出叶片病变区域；
[0012]获取目标区域的第一气象指标信息和第一环境指标信息，所述目标区域为所述目标农作物所在区域；
[0013]将所述第一气象指标信息、所述第一环境指标信息以及所述叶片病变区域输入到预先训练好的病虫害预测模型，得到所述目标农作物的病虫害预测结果。
[0014]进一步地，在本专利技术的一个实施例中，所述对所述第一图像信息进行边缘检测得到所述目标农作物的若干个叶片轮廓，并根据所述叶片轮廓提取出叶片图像信息这一步骤，其具体包括：
[0015]对所述第一图像信息进行边缘检测得到若干个连续轮廓；
[0016]对所述连续轮廓进行随机霍夫变换，筛选出符合预设的阈值条件的连续轮廓作为叶片轮廓；
[0017]根据所述叶片轮廓对所述第一图像信息进行图像分割，得到所述目标农作物的叶片图像信息。
[0018]进一步地，在本专利技术的一个实施例中，所述农作物病虫害预测方法还包括预先训练病变区域识别模型的步骤，其具体包括：
[0019]获取多个预设的病变叶片图像，并确定各所述病变叶片图像的病变类型和病变区域；
[0020]根据所述病变类型和所述病变区域确定各所述病变叶片图像的第一样本标签，并根据所述病变叶片图像和所述第一样本标签构建第一训练样本集；
[0021]将所述第一训练样本集输入到预先构建的第一卷积神经网络，得到病变类型识别结果和病变区域识别结果；
[0022]根据所述病变类型识别结果、所述病变区域识别结果以及所述第一样本标签确定所述第一卷积神经网络的第一损失值；
[0023]根据所述第一损失值通过反向传播算法更新所述第一卷积神经网络的参数；
[0024]当所述第一损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的病变区域识别模型。
[0025]进一步地，在本专利技术的一个实施例中，所述获取目标区域的第一气象指标信息和第一环境指标信息这一步骤，其具体为：
[0026]根据天气预报信息确定目标区域的第一气象指标信息，并通过传感器获取所述目标区域的第一环境指标信息；
[0027]其中，所述第一气象指标信息包括空气温湿度、光照时长、大气压强以及降雨量中的至少一种，所述第一环境指标信息包括土壤温湿度、土壤氮磷钾含量以及光照强度中的至少一种。
[0028]进一步地，在本专利技术的一个实施例中，所述农作物病虫害预测方法还包括预先训练病虫害预测模型的步骤，其具体包括：
[0029]获取多个预设的病虫害农作物的病变区域图像，确定所述病虫害农作物的第二气象指标信息和第二环境指标信息，进而根据所述病变区域图像、所述第二气象指标信息以及所述第二环境指标信息确定第二训练样本；
[0030]通过人工标注确定各所述病虫害农作物的病虫害类型标签，根据所第二训练样本
和所述病虫害类型标签构建第二训练样本集；
[0031]将所述第二训练样本集输入到预先构建的第二卷积神经网络，得到病虫害类型识别结果；
[0032]根据所述病虫害类型识别结果和所述病虫害类型标签确定所述第二卷积神经网络的第二损失值；
[0033]根据所述第二损失值通过反向传播算法更新所述第二卷积神经网络的参数；
[0034]当所述第二损失值达到预设的第三阈值或迭代次数达到预设的第四阈值，停止训练，得到训练好的病虫害预测模型。
[0035]进一步地，在本专利技术的一个实施例中，所述农作物病虫害预测方法还包括以下步骤：
[0036]根据所述病虫害预测结果生成预警信息，并将所述预警信息发送至所述目标区域的管理人员。
[0037]第二方面，本专利技术实施例提供了一种基于机器视觉的农作物病虫害预测系统，包括：
[0038]叶片图像信息提取模块，用于获取目标农作物的第一图像信息，对所述第一图像信息进行边缘检测得到所述目标农作物的若干个叶片轮廓，并根据所述叶片轮廓提取出叶片图像信息；
[0039]叶片病变区域识别模块，用于将所述叶片图像信息输入到预先训练好的病变区域识别模型，得到所述目标农作物的病变类型，并提取出叶片病变区域；
[0040]气象与环境指标获取模块，用于获取目标区域的第一气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的农作物病虫害预测方法，其特征在于，包括以下步骤：获取目标农作物的第一图像信息，对所述第一图像信息进行边缘检测得到所述目标农作物的若干个叶片轮廓，并根据所述叶片轮廓提取出叶片图像信息；将所述叶片图像信息输入到预先训练好的病变区域识别模型，得到所述目标农作物的病变类型，并提取出叶片病变区域；获取目标区域的第一气象指标信息和第一环境指标信息，所述目标区域为所述目标农作物所在区域；将所述第一气象指标信息、所述第一环境指标信息以及所述叶片病变区域输入到预先训练好的病虫害预测模型，得到所述目标农作物的病虫害预测结果。2.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法，其特征在于，所述对所述第一图像信息进行边缘检测得到所述目标农作物的若干个叶片轮廓，并根据所述叶片轮廓提取出叶片图像信息这一步骤，其具体包括：对所述第一图像信息进行边缘检测得到若干个连续轮廓；对所述连续轮廓进行随机霍夫变换，筛选出符合预设的阈值条件的连续轮廓作为叶片轮廓；根据所述叶片轮廓对所述第一图像信息进行图像分割，得到所述目标农作物的叶片图像信息。3.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法，其特征在于，所述农作物病虫害预测方法还包括预先训练病变区域识别模型的步骤，其具体包括：获取多个预设的病变叶片图像，并确定各所述病变叶片图像的病变类型和病变区域；根据所述病变类型和所述病变区域确定各所述病变叶片图像的第一样本标签，并根据所述病变叶片图像和所述第一样本标签构建第一训练样本集；将所述第一训练样本集输入到预先构建的第一卷积神经网络，得到病变类型识别结果和病变区域识别结果；根据所述病变类型识别结果、所述病变区域识别结果以及所述第一样本标签确定所述第一卷积神经网络的第一损失值；根据所述第一损失值通过反向传播算法更新所述第一卷积神经网络的参数；当所述第一损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的病变区域识别模型。4.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法，其特征在于，所述获取目标区域的第一气象指标信息和第一环境指标信息这一步骤，其具体为：根据天气预报信息确定目标区域的第一气象指标信息，并通过传感器获取所述目标区域的第一环境指标信息；其中，所述第一气象指标信息包括空气温湿度、光照时长、大气压强以及降雨量中的至少一种，所述第一环境指标信息包括土壤温湿度、土壤氮磷钾含量以及光照强度中的至少一种。5.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法，其特征在于，所述农作物病虫害预测方法还包括预先训练病虫害预测模型的步骤，其具体包括：获取多个预设的病虫害农作物的病变区域图像，确定...

【专利技术属性】
技术研发人员：杨英，丘温河，陈殊，黄昊阳，黄琼玉，林俊豪，吴浪，黄振杰，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：