一种基于图像处理的花生虫害检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于图像处理的花生虫害检测方法及系统。方法包括获取花生叶片的原始图像，从原始图像中识别单叶片图像；基于单叶片图像的颜色分布特征确定单叶片图像的初始卷曲区域，根据初始卷曲区域边缘信息确定卷曲遮盖区域，根据初始卷曲区域面积和卷曲遮盖区域面积确定叶片卷曲程度，确定单叶片图像中病斑区域的离散程度与病斑面积占比，确定单叶片图像的表面病斑程度；根据叶片卷曲程度与表面病斑程度，确定叶片虫害程度，基于叶片虫害程度对花生虫害进行检测处理，得到检测结果，本发明专利技术综合叶片卷曲程度与表面病斑程度对花生虫害进行检测，有效提升花生虫害检测的可靠性与准确性。提升花生虫害检测的可靠性与准确性。提升花生虫害检测的可靠性与准确性。

【技术实现步骤摘要】
一种基于图像处理的花生虫害检测方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于图像处理的花生虫害检测方法及系统。

技术介绍

[0002]花生作为重要的油料作物，在多地区普遍种植，花生的虫害影响花生植株的健康生长，进而严重影响花生产量，花生常见虫害有花生蚜、卷叶虫、茶黄螨等，这些虫害大多数能够直接影响花生叶片的状态，因此，可以根据花生叶片的状态进行花生虫害的检测。
[0003]相关技术中，在对花生的虫害进行检测时，是通过建立深度卷积神经网络，并根据农作物类别、病虫害类别和严重程度对待检测的农作物病虫害进行分类检测。这种方式下，搭建深度卷积神经网络识别病虫害，需大量数据生成训练集进行训练，由于不同环境、不同场景的影响因素差异较大，对花生虫害进行检测的可靠性与准确性较低。

技术实现思路

[0004]为了解决花生虫害检测的可靠性与准确性较低的技术问题，本专利技术提供一种基于图像处理的花生虫害检测方法及系统，所采用的技术方案具体如下：
[0005]本专利技术提出了一种基于图像处理的花生虫害检测方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的花生虫害检测方法，其特征在于，所述方法包括：获取花生叶片的原始图像，根据所述原始图像中的颜色分布特征，从所述原始图像中识别单叶片图像；基于所述单叶片图像的颜色分布特征确定所述单叶片图像的初始卷曲区域，根据所述初始卷曲区域的边缘信息确定卷曲遮盖区域，根据所述初始卷曲区域的第一面积和所述卷曲遮盖区域的第二面积确定叶片卷曲程度；识别所述单叶片图像中的病斑区域，确定所述病斑区域的离散程度；获得所述病斑区域在所述单叶片图像中的病斑面积占比，根据所述病斑区域的离散程度与所述病斑面积占比，确定所述单叶片图像的表面病斑程度；根据所述叶片卷曲程度与所述表面病斑程度，确定叶片虫害程度，基于所述叶片虫害程度对所述花生虫害进行检测处理，得到检测结果。2.如权利要求1所述的方法，其特征在于，所述根据所述初始卷曲区域的边缘信息确定卷曲遮盖区域，包括：所述边缘信息包括弯曲程度与直线程度，对所述初始卷曲区域进行边缘检测处理，获得所述初始卷曲区域的卷曲边缘；确定所述卷曲边缘与所述单叶片图像边缘的交界点作为卷曲点，对所述卷曲点邻域内像素点进行线性回归处理，得到所述卷曲点位置处的曲率值，确定所有所述卷曲点位置处的所述曲率值的均值作为所述弯曲程度；确定所述卷曲边缘与所述单叶片图像边缘的非交界边缘为卷曲内边缘，对所述卷曲内边缘的像素点进行线性回归处理，得到所述卷曲内边缘的像素点在所述卷曲内边缘的线性回归系数，确定所述卷曲内边缘中所有像素点的所述线性回归系数的均值作为所述直线程度；根据所述弯曲程度和所述直线程度确定所述卷曲遮盖区域。3.如权利要求2所述的方法，其特征在于，所述根据所述弯曲程度和所述直线程度确定所述卷曲遮盖区域，包括：确定所述弯曲程度和预设第一遮盖系数的乘积为第一遮盖概率，确定所述直线程度和预设第二遮盖系数的乘积为第二遮盖概率，确定所述第一遮盖概率和所述第二遮盖概率的和值作为卷曲遮盖概率；在所述卷曲遮盖概率大于预设遮盖概率阈值时，根据所述卷曲内边缘的像素点的分布信息确定所述卷曲内边缘的边缘直线和所述边缘直线两端点的拟合曲线，将所述边缘直线和所述拟合曲线所围成的区域作为所述卷曲遮盖区域。4.如权利要求3所述的方法，其特征在于，所述根据所述卷曲内边缘的像素点...

【专利技术属性】
技术研发人员：王培云，任丽，马骥，邓丽，李军华，刘冰，李阳，殷君华，苗建利，姚潜，郭敏杰，胡俊平，申卫国，芦振华，
申请(专利权)人：开封市农林科学研究院，
类型：发明
国别省市：