马铃薯检测方法、装置、设备、存储介质及程序产品制造方法及图纸

本发明专利技术提供一种马铃薯检测方法、装置、设备、存储介质及程序产品，涉及农业技术领域，包括：对目标马铃薯的高光谱图像进行高光谱图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息；提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息；对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息；将所述目标马铃薯的多源特征信息输入训练好的检测模型，输出所述目标马铃薯的干腐病预测诊断结果，其中，所述多源特征信息包括所述高光谱特征信息、所述图像特征信息和所述气味特征信息。和所述气味特征信息。和所述气味特征信息。

【技术实现步骤摘要】
马铃薯检测方法、装置、设备、存储介质及程序产品


[0001]本专利技术涉及农业
，尤其涉及一种马铃薯检测方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]随着马铃薯产业的迅速发展，为了适应市场的需求，马铃薯贮藏数量和周期进一步增加和延长。然而，在贮藏过程中，马铃薯极易受到致病菌侵染，引发多种贮藏期病害，严重影响了马铃薯的质量。其中，干腐病是贮藏期最常见的真菌类病害之一，由镰刀菌侵染所致，真菌孢子侵染到马铃薯外表，经历潜育期后不断繁殖，病症从隐性变为显性，最终导致马铃薯外部和内部发生病变。该病常年发病率达10％～30％，最高可达60％以上，且极易感染周边正常个体，严重影响了马铃薯的商品价值和食用品质，已成为限制马铃薯产业发展的重大病害。因此，实现干腐病胁迫下马铃薯的快速诊断和检测，尤其是潜育期的早期识别，对于防治病害意义重大。
[0003]传统的干腐病鉴定与检测的方法是对镰刀菌进行形态学鉴定，但该方法耗时费力，并且由于镰刀菌分类系统繁多复杂，温湿度、光照、pH等环境条件的改变均会导致其培养性状发生明显变化。近年来，免疫学技术、PCR技术等的发展为病原菌的检测提供了新的方法，但这些方法仍存在诸多不足，如酶联免疫法(ELISA)的检测性能很大程度上依赖抗体的性能，且检测试剂盒不能重复使用，检测费用较高；荧光定量PCR方法要求较高的专业知识，且不适用于大范围的快速实时监测。
[0004]因此，如何更好的针对于马铃薯的干腐病进行检测已经成为业界亟待解决的问题。

技术实现思路

[0005]本专利技术提供一种马铃薯检测方法、装置、设备、存储介质及程序产，用以解决现有技术中如何更好的针对于马铃薯的干腐病进行检测已经成为业界亟待解决的问题。
[0006]本专利技术提供一种马铃薯检测方法，包括：
[0007]对目标马铃薯的高光谱图像进行高光谱图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息；
[0008]提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息；
[0009]对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息；
[0010]将所述目标马铃薯的多源特征信息输入训练好的检测模型，输出所述目标马铃薯的干腐病预测诊断结果，其中，所述多源特征信息包括所述高光谱特征信息、所述图像特征信息和所述气味特征信息。
[0011]根据本专利技术提供的一种马铃薯检测方法，对目标马铃薯的高光谱图像进行高光谱
图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息，包括：
[0012]基于Beer
‑
Lambert反射定律和照度
‑
反射模型对所述高光谱图像进行校正，得到修正后的高光谱图像；
[0013]获取所述修正后的高光谱图像中感兴趣区域的第一光谱数据，并对所述第一光谱数据进行滤波及一阶导数处理，得到第二光谱数据；
[0014]对所述第二光谱数据中的敏感波段进行二维相关光谱分析，获取并解析对应的二维同步光谱和自相关谱，得到所述目标马铃薯的高光谱特征信息；其中，所述敏感波段是不同病害程度马铃薯具有明显差异的波段。
[0015]根据本专利技术提供的一种马铃薯检测方法，提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息，包括：
[0016]利用颜色矩和直方图对所述目标马铃薯的图像进行颜色特征提取，得到颜色特征信息；
[0017]利用灰度共生矩阵对所述目标马铃薯的图像进行纹理特征提取，得到纹理特征信息；
[0018]根据所述颜色特征信息和所述纹理特征信息，得到所述目标马铃薯的图像特征信息。
[0019]根据本专利技术提供的一种马铃薯检测方法，对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息，包括：
[0020]获取所述挥发气体对应的传感器阵列数据，并根据所述传感器阵列数据构造瞬时线性混合矩阵和解析矩阵，建立混合信号解析模型；
[0021]对所述传感器阵列数据进行去均值化、白化处理和滑动平均处理后，构建信噪比目标函数；
[0022]对所述信噪比目标函数进行梯度求解和极值点分析，得到所述信噪比目标函数中的分离矩阵，以得到所述目标马铃薯的气味特征信息。
[0023]根据本专利技术提供的一种马铃薯检测方法，将所述目标马铃薯的多源特征信息输入训练好的检测模型，输出所述目标马铃薯的干腐病预测诊段结果的步骤之前，所述方法还包括：
[0024]获取样本马铃薯的高光谱特征样本信息、图像特征样本信息和气味特征样本信息；
[0025]将所述样本马铃薯的高光谱特征样本信息、图像特征样本信息和气味特征样本信息和对应的干腐病病害程度标签作为一个训练样本，获取多个训练样本；
[0026]利用所述多个训练样本对预设卷积神经网络进行训练。
[0027]根据本专利技术提供的一种马铃薯检测方法，
[0028]利用所述多个训练样本对预设卷积神经网络进行训练，包括：
[0029]对于任意一个训练样本，将所述训练样本输入至所述预设卷积神经网络，输出所述训练样本对应的干腐病预测诊断结果；
[0030]利用预设损失函数，根据所述干腐病预测诊断结果和所述训练样本中的干腐病病害程度标签计算损失值；
[0031]若所述损失值小于预设阈值，则所述预设卷积神经网络训练完成。
[0032]本专利技术还提供一种马铃薯检测装置，包括：
[0033]第一提取模块，用于对目标马铃薯的高光谱图像进行高光谱图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息；
[0034]第二提取模块，用于提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息；
[0035]第三提取模块，用于对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息；
[0036]检测模块，用于将所述目标马铃薯的多源特征信息输入训练好的检测模型，输出所述目标马铃薯的干腐病预测诊断结果，其中，所述多源特征信息包括所述高光谱特征信息、所述图像特征信息和所述气味特征信息。
[0037]根据本专利技术提供的一种马铃薯检测装置，所述装置还用于：
[0038]基于Beer
‑
Lambert反射定律和照度
‑
反射模型对所述高光谱图像进行校正，得到修正后的高光谱图像；
[0039]获取所述修正后的高光谱图像中感兴趣区域的第一光谱数据，并对所述第一光谱数据进行滤波及一阶导数处理，得到第二光谱数据；
[0040]对所述第二光谱数据中的敏感波段进行二维相关光谱分析，获取并解析对应的二维同步光谱和自相关谱，得到所述目标马铃薯的高光谱特征信息；其中，所述敏感波段是不同病害程度马铃薯具有明显差异的波段。
[0041]根据本专利技术提供的一种马铃薯检测装置，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种马铃薯检测方法，其特征在于，包括：对目标马铃薯的高光谱图像进行高光谱图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息；提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息；对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息；将所述目标马铃薯的多源特征信息输入训练好的检测模型，输出所述目标马铃薯的干腐病预测诊断结果，其中，所述多源特征信息包括所述高光谱特征信息、所述图像特征信息和所述气味特征信息。2.根据权利要求1所述的马铃薯检测方法，其特征在于，对目标马铃薯的高光谱图像进行高光谱图像校正和特征光谱提取，得到所述目标马铃薯的高光谱特征信息，包括：基于Beer
‑
Lambert反射定律和照度
‑
反射模型对所述高光谱图像进行校正，得到修正后的高光谱图像；获取所述修正后的高光谱图像中感兴趣区域的第一光谱数据，并对所述第一光谱数据进行滤波处理，得到第二光谱数据；对所述第二光谱数据中的敏感波段进行二维相关光谱分析，获取并解析对应的二维同步光谱和自相关谱，得到所述目标马铃薯的高光谱特征信息；其中，所述敏感波段是不同病害程度马铃薯对应的波段。3.根据权利要求1所述的马铃薯检测方法，其特征在于，提取所述目标马铃薯的图像中的颜色特征信息和纹理特征信息，得到所述目标马铃薯的图像特征信息，包括：利用颜色矩和直方图对所述目标马铃薯的图像进行颜色特征提取，得到颜色特征信息；利用灰度共生矩阵对所述目标马铃薯的图像进行纹理特征提取，得到纹理特征信息；根据所述颜色特征信息和所述纹理特征信息，得到所述目标马铃薯的图像特征信息。4.根据权利要求1所述的马铃薯检测方法，其特征在于，对所述目标马铃薯的挥发气体进行特征参数提取，得到所述目标马铃薯的气味特征信息，包括：获取所述挥发气体对应的传感器阵列数据，并根据所述传感器阵列数据构造解析矩阵，建立混合信号解析模型；对所述传感器阵列数据进行去均值化、白化处理和滑动平均处理后，构建信噪比目标函数；对所述信噪比目标函数进行梯度求解和极值点分析，得到所述信噪比目标函数中的分离矩阵，以得到所述...

【专利技术属性】
技术研发人员：王文秀，张凡，马倩云，孙剑锋，刘亚琼，牟建楼，王颉，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：