一种作物病害精准识别方法及系统技术方案

本发明专利技术提出了一种作物病害精准识别方法及系统，涉及作物病害识别技术领域。包括建立不同作物不同器官的标准病灶特征图像数据集；构建作物常发病害的背景特征数据库；形成作物种类与器官识别算法模型及分器官病灶识别算法模型；基于作物种类与器官识别算法模型确定待识别图像中的发病作物种类和发病器官；基于发病器官，利用对应发病器官的分器官病灶识别算法模型确定待识别图像的病害范围，输出具备相似特征的病灶病害；基于作物常发病害的背景特征数据库，输出匹配的作物病害类型；求取确定的病灶病害与确定的作物病害类型中共性的病害种类，实现病害的精准识别。本发明专利技术分类分级形成结构化的病害识别流程，提高识别精度。提高识别精度。提高识别精度。

【技术实现步骤摘要】
一种作物病害精准识别方法及系统


[0001]本专利技术属于作物病害识别
，尤其涉及一种作物病害精准识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]大田作物作为传统露天种植的典型代表，极易遭受外界环境的干扰，导致病害发生，危及粮食安全。
[0004]传统意义的病害识别及防治，基本靠种植经验或植物病理知识的分析与判断，传统病害识别在农业生产过程中，耗费人力且往往有经验主义导致的误判，无法实现智能化。
[0005]21世纪以来，人工智能、大数据、计算机视觉等先进技术日趋成熟，许多学者已经尝试对农作物病害的智能识别进行研究，也取得了很多智能技术的突破，但仅仅依靠人工智能技术得到的识别结果并不理想，现有的智慧农业作物病害识别技术与方法大都集中在单纯的病害图像特征识别，建立笼统的图像数据集，再通过积累大量的图像数据进行训练与测试。由于作物之间表型性状会存在比较高的相似度，单纯通过单一部位图像特征识别，鲁棒性差，且大量训练数据的采集耗时耗力，识别精度提高的难度大、周期长。
[0006]专利技术人在进行大田作物病害智能识别研究时，发现现有技术中精度难以提高的缺陷是由数据集笼统不清晰、对病害发生的特征规律及识别要点不明确所导致，仅仅是从人工智能识别的相关算法及技术层面寻求突破，对病害识别的精度提高收效甚微。

技术实现思路

[0007]为克服上述现有技术的不足，本专利技术提供了一种作物病害精准识别方法及系统，通过人工智能算法识别技术结合病害发生定位及农艺特征来实现，分类分级形成结构化的病害识别流程，提高识别精度。
[0008]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0009]本专利技术第一方面提供了一种作物病害精准识别方法。
[0010]一种作物病害精准识别方法，包括以下步骤：
[0011]步骤一：采集作物常发病害的标准特征图像，建立不同作物不同器官的标准病灶特征图像数据集；
[0012]步骤二：构建作物常发病害的背景特征数据库，包括病害主要侵染的植株器官、常发背景月份、易发环境条件；
[0013]步骤三：利用faster rcnn卷积神经网络，用目标检测技术，实现对标准病灶特征图像数据集中目标区域主要作物种类及器官、分器官病灶的算法识别，形成作物种类与器官识别算法模型及分器官病灶识别算法模型；
[0014]步骤四：获取待识别图像，基于作物种类与器官识别算法模型确定待识别图像中
的发病作物种类和发病器官；基于发病器官，利用对应发病器官的分器官病灶识别算法模型确定待识别图像的病害范围，输出具备相似特征的病灶病害；
[0015]步骤五：基于作物常发病害的背景特征数据库，关联背景月份与图像采集时间，同时关联背景特征数据库中的环境条件和图像采集时的环境条件，输出匹配的作物病害类型；
[0016]步骤六：求取步骤四中确定的病灶病害与步骤五中确定的作物病害类型中共性的病害种类，实现病害的精准识别。
[0017]优选的，所述步骤一，具体包括：
[0018]采集目标区域主要作物的完整植株图像，构建作物特征数据集；
[0019]采集目标区域主要作物分器官的多发病害病灶特征图像，构建分器官病灶数据集；
[0020]将作物特征数据集和分器官病灶数据集作为标准病灶特征图像数据集。
[0021]优选的，所述步骤二中，背景特征数据库是根据植物病理及农艺相关知识经验确定的。
[0022]优选的，所述步骤四，具体包括：
[0023]步骤S401:获取同一作物的两张待识别图像，其中待识别图像1包含发病作物完整植株，待识别图像2包含待识别图像1中发病作物的具体发病病灶；
[0024]步骤S402:将待识别图像1输入作物种类与器官识别算法模型中，用目标检测技术，确定发病作物种类和病害发生器官；
[0025]步骤S403:基于病害发生器官，将待识别图像2输入至对应病害发生器官的分器官病灶识别算法模型中，定位病灶所属病害范围，并输出具备相似特征的病灶病害。
[0026]优选的，所述步骤S402，具体包括：
[0027]将待识别图像1输入作物种类与器官识别算法模型，用目标检测技术，标定待识别病害的作物种类；
[0028]在标定了发生病害作物种类的植株上继续标定发病作物的发病器官，首先标定地上器官茎、叶、果；
[0029]若地上器官无发病病灶，则需将作物拔出，标定根部，通过作物种类与器官识别算法模型，最终确定病害发生的具体器官。
[0030]优选的，所述步骤五，具体包括：
[0031]获取待识别图像的采集时间，将待识别图像的采集时间关联到背景特征数据库中的背景月份，同时将待识别图像中由传感器、气象站实时采集的环境条件关联到背景特征数据库中的环境条件，与病害信息数据库作对比，输出匹配的作物病害类型。
[0032]优选的，所述步骤三还包括：
[0033]首先使用labelme标注工具对步骤一中标准病灶特征图像数据集进行特征标注：
[0034]对作物特征数据集进行作物种类及器官的数据标注；
[0035]根据病害特有的视觉表现特征对分器官病灶数据集进行分器官病灶的数据标注。
[0036]本专利技术第二方面提供了一种作物病害精准识别系统。
[0037]一种作物病害精准识别系统，包括：
[0038]数据集构建模块，被配置为：采集作物常发病害的标准特征图像，建立不同作物不
同器官的标准病灶特征图像数据集；
[0039]背景特征数据库构建模块，被配置为：构建作物常发病害的背景特征数据库，包括病害主要侵染的植株器官、常发背景月份、易发环境条件；
[0040]模型确定模块，被配置为：利用faster rcnn卷积神经网络，用目标检测技术，实现对标准病灶特征图像数据集中目标区域主要作物种类及器官、分器官病灶的算法识别，形成作物种类与器官识别算法模型及分器官病灶识别算法模型；
[0041]模型识别模块，被配置为：获取待识别图像，基于作物种类与器官识别算法模型确定待识别图像中的发病作物种类和发病器官；基于发病器官，利用对应发病器官的分器官病灶识别算法模型确定待识别图像的病害范围，输出具备相似特征的病灶病害；
[0042]关联匹配模块，被配置为：基于作物常发病害的背景特征数据库，关联背景特征数据库中的背景月份与图像采集时间、背景特征数据库中的环境条件以及图像采集环境条件，输出匹配的作物病害类型；
[0043]共性病害求取模块，被配置为：求取模型识别模块中确定的病灶病害与关联匹配模块中确定的作物病害类型中共性的病害种类，实现病害的精准识别。
[0044]本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的作物病害精准识别方法中的步骤。
[0045本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作物病害精准识别方法，其特征在于，包括以下步骤：步骤一：采集作物常发病害的标准特征图像，建立不同作物不同器官的标准病灶特征图像数据集；步骤二：构建作物常发病害的背景特征数据库，包括病害主要侵染的植株器官、常发背景月份、易发环境条件；步骤三：利用faster rcnn卷积神经网络，用目标检测技术，实现对标准病灶特征图像数据集中目标区域主要作物种类及器官、分器官病灶的算法识别，形成作物种类与器官识别算法模型及分器官病灶识别算法模型；步骤四：获取待识别图像，基于作物种类与器官识别算法模型确定待识别图像中的发病作物种类和发病器官；基于发病器官，利用对应发病器官的分器官病灶识别算法模型确定待识别图像的病害范围，输出具备相似特征的病灶病害；步骤五：基于作物常发病害的背景特征数据库，关联背景月份与图像采集时间，同时关联背景特征数据库中的环境条件和图像采集时的环境条件，输出匹配的作物病害类型；步骤六：求取步骤四中确定的病灶病害与步骤五中确定的作物病害类型中共性的病害种类，实现病害的精准识别。2.如权利要求1所述的作物病害精准识别方法，其特征在于，所述步骤一，具体包括：采集目标区域主要作物的完整植株图像，构建作物特征数据集；采集目标区域主要作物分器官的多发病害病灶特征图像，构建分器官病灶数据集；将作物特征数据集和分器官病灶数据集作为标准病灶特征图像数据集。3.如权利要求1所述的作物病害精准识别方法，其特征在于，所述步骤二中，背景特征数据库是根据植物病理及农艺相关知识经验确定的。4.如权利要求1所述的作物病害精准识别方法，其特征在于，所述步骤四，具体包括：步骤S401:获取同一作物的两张待识别图像，其中待识别图像1包含发病作物完整植株，待识别图像2包含待识别图像1中发病作物的具体发病病灶；步骤S402:将待识别图像1输入作物种类与器官识别算法模型中，用目标检测技术，确定发病作物种类和病害发生器官；步骤S403:基于病害发生器官，将待识别图像2输入至对应病害发生器官的分器官病灶识别算法模型中，定位病灶所属病害范围，并输出具备相似特征的病灶病害。5.如权利要求4所述的作物病害精准识别方法，其特征在于，所述步骤S402，具体包括：将待识别图像1输入作物种类与器官识别算法模型，用目标检测技术，标定待识别病害的作物种类；在标定了发生病害作物种类的植株上继续标定发病作物的发病器官，首先标定地上器官茎、叶、果；若地上器官无发病病灶，则需将作...

【专利技术属性】
技术研发人员：陈益强，董绪，代锋，马跃辉，杨晓东，马成龙，赵海兵，
申请(专利权)人：山东产业技术研究院智能计算研究院，
类型：发明
国别省市：