一种农作物叶部病害识别方法技术

本发明专利技术公开了一种农作物叶部病害识别方法，该方法包括监测识别系统和用于所述监测识别系统的无人机，该方法具体包括以下步骤：获取识别区域的区域信息，同时规划无人机基站位置，并基于无人机基站规划无人机的飞行路线；将无人机飞行路线设置多个拍摄节点，在每个节点处获取若干图像，将图像按照拍摄节点进行分类，并将每个图像裁剪出包含叶片特征信息的部分

【技术实现步骤摘要】
一种农作物叶部病害识别方法


[0001]本专利技术涉及农作物病害识别方法
，尤其涉及一种农作物叶部病害识别方法
。

技术介绍

[0002]农作物病害是我国主要农业灾难之一，它具有种类多
、
影响大并时常暴发成灾的特点，不仅对农作物生产造成损失，还会对食品安全产生威胁
。
因此农作物病害的诊断和鉴定，对保证作物产量
、
预防食品安全起着重要的作用，同时，实现精准的检测农作物病害以及病害程度的测定是对农作物病害防治的关键
。
[0003]目前，传统的农作物病害识别，主要依赖于历代农民在农业生产过程中积累的经验来进行判断，费时费力的同时，实时性
、
准确性均较差，在目前的病害识别技术中，已经广泛的采用了计算机和图像处理技术
。
[0004]经检索，申请号
CN104598908B
的中国专利，公开了一种农作物叶部病害识别方法，其公开利用提取农作物叶部信息进行识别的方式，实现病害识别；
[0005]申请号
CN111967440A
的中国专利，公开了一种农作物病害的综合识别处理方法，其提及人工识别精准但是效率慢的问题，并公开通过采集影像数据的方式提升病害识别效率
。
[0006]然而，在对目标范围内农作物的病害识别，随着时间的推移，已经具有较为庞大的数据库，但是，我国国土面积辽阔，病害的产生，往往和气候
、
农作物类型
、
地域等均有联系，此时，病虫害的识别往往还会因为其它因素造成判断精确度降低
、
判断效率下降
、
识别方式不易确定以及识别数据不易获取等问题
。
[0007]针对相关技术中的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0008]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的农作物叶部病害识别方法
。
[0009]为了实现上述目的，本专利技术采用了如下技术方案：
[0010]一种农作物叶部病害识别方法，该方法包括监测识别系统和用于所述监测识别系统的无人机，包括以下步骤：
[0011]获取识别区域的区域信息，同时规划无人机基站位置，并基于无人机基站规划无人机的飞行路线；
[0012]将无人机飞行路线设置多个拍摄节点，在每个节点处获取若干图像，将图像按照拍摄节点进行分类，并将每个图像裁剪出包含叶片特征信息的部分；
[0013]通过叶片部分图像获取数字图像数据，并对所述数字图像数据进行预处理，以消除噪声和增强图像特征；
[0014]利用深度学习神经网络模型对所述预处理后的图像数据进行特征提取；
[0015]在提取的特征上应用机器学习算法，以识别图像中的病害，并生成相应的诊断结果；
[0016]将多个诊断结果按照可能概率进行显示或存储，同时，在一个或者多个结果数据基础上，规划新的拍摄节点和飞行路线，进行补充数据和确认结果
。
[0017]进一步地，所述无人机配置有摄像头以及若干传感器，所述传感器至少包括一种类型，所述传感器具体包括红外传感器和多光谱传感器
。
[0018]进一步地，所述植物叶片特征信息包括叶片的颜色
、
纹理和形状
。
[0019]进一步地，所述监测识别系统包括：
[0020]区域统计分析模块，用于通过云服务器获取该片区域的信息数据，同时，能够通过手动上传区域的数据信息，匹配较为类似状况的分析数据；
[0021]农业信息存储模块，用于存储该片位置区域的农业信息
、
拍摄数据以及识别诊断数据；
[0022]信息匹配模块，用于根据已知的数据信息，通过联网匹配数据信息相同或者相类似的关联数据；
[0023]环境预测模块，用于根据区域的数据信息，预测一个时间周期的内的环境变化，并根据环境变化预测可能产生的病虫害情况；
[0024]图像获取模块，用于获取无人机拍摄的图像，并将图像加入注释；
[0025]图像处理模块，用于对获取的图像执行预处理和再处理任务；
[0026]拍摄规划模块，用于规划拍摄路径
、
拍摄节点和在拍摄节点执行的拍摄任务；
[0027]节点任务建立模块，用于根据不同的节点，分别建立拍摄任务和飞行任务；
[0028]中心处理模块，用于为各个模块提供算力，存储
、
设定或者联网同步病害识别程序，同时用于通过无线通信协议与智能终端
、
云服务器或其它任一适配终端建立数据通信连接；
[0029]执行模块，用于执行各个模块反馈的数据，并将数据转换为执行动作指令；
[0030]其中：
[0031]所述中心处理模块分别连接所述农业信息存储模块
、
区域统计分析模块和图像获取模块，所述区域统计分析模块与所述环境预测模块相连接，所述图像获取模块与所述图像处理模块相连接，所述农业信息存储模块通过所述信息匹配模块与所述拍摄规划模相连接，所述拍摄规划模块通过所述节点任务建立模块与所述执行模块相连接
。
[0032]进一步地，区域统计分析模块
、
中心处理模块
、
农业信息存储模块和环境预测模块相互连接，用于获取需要识别诊断区域的数据信息，并分析该区域一个时间周期内的环境信息变化结合历史数据，预测环境变化可能导致的病害情况，具体流程步骤为：
[0033]通过中心处理模块和农业信息存储模块获取当前位置区域的农业信息和环境信息；
[0034]获取未来一个时间周期内的天气环境变化数据，并通过环境预测模块分析环境变化所能够带来的病虫害结果数据；
[0035]基于当前环境信息和种植信息，与病虫害结构进行匹配，判断每个病虫害情况发生的概率，导出分析结果
。
[0036]进一步地，图像获取模块
、
中心处理模块
、
拍摄规划模块
、
节点任务建立模块和图
像处理模块，用于按照计划任务获取图像信息，并对图像信息按照计划进行处理操作，具体流程步骤为：
[0037]中心处理模块分析需要执行的诊断识别任务以及需要执行区域的农业信息，根据诊断识别任务规划无人机飞行路线；
[0038]根据诊断识别任务具体需求的图像类型，在飞行路线上建立多个拍摄节点，拍摄节点包括无人机的拍摄方式
、
拍摄的图片数量以及由人工设定的无人机动作指令，其中，节点任务可通过节点任务建立模块进行建立和规划；
[0039]无人机根据规划和任务完成飞行并获取图像信息，同时，在经过节点和完成任务时，均根据任务计划对图像进行处理操作
。
[0040]进一步地，中心处理模块
、
拍摄规划模块
、
区域统计分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种农作物叶部病害识别方法，该方法包括监测识别系统和用于所述监测识别系统的无人机，其特征在于，该方法具体包括以下步骤：获取识别区域的区域信息，同时规划无人机基站位置，并基于无人机基站规划无人机的飞行路线；将无人机飞行路线设置多个拍摄节点，在每个节点处获取若干图像，将图像按照拍摄节点进行分类，并将每个图像裁剪出包含叶片特征信息的部分；通过叶片部分图像获取数字图像数据，并对所述数字图像数据进行预处理，以消除噪声和增强图像特征；利用深度学习神经网络模型对所述预处理后的图像数据进行特征提取；在提取的特征上应用机器学习算法，以识别图像中的病害，并生成相应的诊断结果；将多个诊断结果按照可能概率进行显示或存储，同时，在一个或者多个结果数据基础上，规划新的拍摄节点和飞行路线，进行补充数据和确认结果
。2.
根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述无人机配置有摄像头以及若干传感器，所述传感器至少包括一种类型，所述传感器具体包括红外传感器和多光谱传感器
。3.
根据权利要求2所述的农作物叶部病害识别方法，其特征在于，所述植物叶片特征信息包括叶片的颜色
、
纹理和形状
。4.
根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述监测识别系统包括：区域统计分析模块，用于通过云服务器获取该片区域的信息数据，同时，能够通过手动上传区域的数据信息，匹配较为类似状况的分析数据；农业信息存储模块，用于存储该片位置区域的农业信息
、
拍摄数据以及识别诊断数据；信息匹配模块，用于根据已知的数据信息，通过联网匹配数据信息相同或者相类似的关联数据；环境预测模块，用于根据区域的数据信息，预测一个时间周期的内的环境变化，并根据环境变化预测可能产生的病虫害情况；图像获取模块，用于获取无人机拍摄的图像，并将图像加入注释；图像处理模块，用于对获取的图像执行预处理和再处理任务；拍摄规划模块，用于规划拍摄路径
、
拍摄节点和在拍摄节点执行的拍摄任务；节点任务建立模块，用于根据不同的节点，分别建立拍摄任务和飞行任务；中心处理模块，用于为各个模块提供算力，存储
、
设定或者联网同步病害识别程序，同时用于通过无线通信协议与智能终端
、
云服务器或其它任一适配终端建立数据通信连接；执行模块，用于执行各个模块反馈的数据，并将数据转换为执行动作指令；其中：所述中心处理模块分别连接所述农业信息存储模块
、
区域统计分析模块和图像获取模块，所述区域统计分析模块与所述环境预测模块相连接，所述图像获取模块与所述图像处理模块相连接，所述农业信息存储模块通过所述信息匹配模块与所述拍摄规划模相连接，所述拍摄规划模块通过所述节点任务建立模块与所述执行模块相连接...

【专利技术属性】
技术研发人员：武荣盛，李云鹏，王晗昳，吴瑞芬，
申请(专利权)人：内蒙古自治区生态与农业气象中心，
类型：发明
国别省市：