【技术实现步骤摘要】
本专利技术涉及一种基于机器视觉的白粉虱计数方法，属于图像识别。
技术介绍
1、白粉虱，是一种世界性害虫，寄主范围广，白粉虱除危害瓜类、茄果类、豆类等多种蔬菜外，还会危害花卉、果树、药材、牧草、烟草等多种植物，白粉虱群居在叶片背面吸食汁液，导致叶片褪绿、变黄、逐渐干枯，植株长势衰弱甚至枯萎死亡；同时，它的排泄物会导致叶片无法光合作用，可能诱发一些病害，最终导致植株生长不良，甚至死亡。
2、白粉虱数目有效统计，有利于掌握白粉虱发生程度的变化，对作物生产管理提供数据支撑，可有效提高数字化管理水平。随着计算机视觉技术的不断提高，基于图像的害虫自动识别技术不断发展，中国专利文献cn112488244b公开了一种利用热力图进行点标注方式的密集分布小目标害虫自动计数方法，利用深度学习模型获取害虫中心点，生成热力图，通过构建密集小目标害虫定位计数网络进行害虫的定位和计数。
3、期刊文献基于k-means聚类和椭圆拟合方法的白粉虱计数算法，提出利用k-means聚类算法对白粉虱图像进行分割，使白粉虱从背景图像中分离，然后利用基于最小二乘法的椭圆拟合方法对分割结果进行椭圆拟合，统计椭圆的个数，提取椭圆中心点的颜色特征值，将其作为新的分类中心，重新对白粉虱图像进行分割和椭圆个数的统计，最后将算法收敛时的椭圆个数作为当前白粉虱的个数。上述现有研究中，对于筛选出的白粉虱样本，过小样本均采用直接删除不计数的方式，未加以区分；过大的样本有的未进一步处理，有的则按超过平均面积的1.5倍则计数为2，计数方式不够精确。因此，怎样利用计算机视
技术实现思路
1、针对现有技术的不足，本专利技术提供一种基于机器视觉的白粉虱计数方法，利用图像分割方法获取仅有叶面的图像，筛选通过图像处理方法获取的白粉虱轮廓面积的正常数据、异常数据(过大、过小的数据样本)，对异常数据通过算法加以区分，提升白粉虱计数的准确性。
2、本专利技术的技术方案如下：
3、一种基于机器视觉的白粉虱计数方法，步骤如下：
4、步骤s1：获取待计数叶面背部图像，通过图像分割提取图像中含有叶面的部分；
5、步骤s2：对分割的后的图像进行图像增强处理；
6、步骤s3：在增强后的图像的hsv颜色空间中提取白色区域；
7、步骤s4：从白色区域的图像中提取各样本的轮廓，并计算轮廓的面积、轮廓的质心坐标以及面积非0轮廓的周长；各样本的轮廓的面积、轮廓的质心坐标、面积非0轮廓的周长和轮廓的坐标组成列表l；
8、步骤s5：对列表l中的轮廓面积值利用异常值筛查方法进行筛选；轮廓面积值为0的值及筛选出的异常值加入到异常值列表lab中，其余数据加入到列表lnor中；
9、步骤s6：计算lnor中数据的个数n；计算列表lnor中轮廓面积的平均值area、lnor中所有数据的周长值的平均值zmean和lnor中所有数据的周长值的标准差σz；
10、步骤s7：从步骤s3获取的图像hsv颜色空间中分离s颜色空间，读取lnor列表中各个轮廓坐标所对应的s颜色空间的值，并加入到列表ls，计算列表ls中所有数据的平均值lmean及标准差σ；
11、步骤s8：读取lab列表，统计列表中白粉虱的数目m；
12、步骤s9：lnor中白粉虱个数n与lab中白粉虱个数m之和即图像中白粉虱的总数。
13、根据本专利技术优选的，步骤s1中，图像分割方法包括fast r-cnn或u-net等基于深度学习的图像分割方法、基于图像处理软件的图像分割方法。
14、根据本专利技术优选的，步骤s2中，图像增强包括对比度增强、亮度增强和色度增强。
15、根据本专利技术优选的，步骤s3中，白色区域的提取方法为设定阈值上、下界限，通过阈值上、下界限提取范围内的mask。
16、根据本专利技术优选的，步骤s5中，异常值筛查方法包括z-score、dbscan或孤立森林等。
17、根据本专利技术优选的，步骤s6中，列表lnor中轮廓面积的平均值area计算公式如下：
18、
19、上式中，xi为第i个数据的面积值；
20、根据本专利技术优选的，步骤s8中，统计列表中白粉虱的数目m的方法为：
21、按顺序读取lab数据，读取数据中轮廓面积areax小于area时，判断lab列表中数据是否为白粉虱，若是，则白粉虱数目加1；读取数据中轮廓面积areax大于area时，判断lab列表中数据是否为多个白粉虱，若是，则白粉虱数目加相应数量。
22、根据本专利技术进一步优选的，步骤s8中，当轮廓面积areax小于area时，首先从lab列表中获取该数据的坐标值；然后，分别计算与该坐标临近距离为1、2、3像素的点的坐标；从步骤s3获取的图像hsv颜色空间分离s颜色空间，并读取与该坐标临近距离分别为1、2、3像素的点的坐标的s颜色空间值分别存入列表l1、l2、l3；分别计算列表l1、l2、l3中的值小于lmean+3*σ的个数d1、d2、d3，若d1、d2或d1、d2、d3均不为0，且d2或d3大于3，则将该点记作一个白粉虱；否则不计数；
23、当轮廓面积areax大于area时，先从lab列表中获取该轮廓的周长z，然后，判断含几个白粉虱，计算公式如下：
24、
25、上述公式后对应的数量即为白粉虱的数量。
26、本专利技术的有益效果在于：
27、1.本专利技术利用图像处理方式对白粉虱进行识别和计数，相较于传统的人工计数方式，该方法能够快速自动处理大量的图像数据，在短时间内能够完成大规模白粉虱计数任务；
28、2.本专利技术首先对图像中叶片区域进行分割，提取感兴趣区域，并以该感兴趣区域作为后续图像处理的基础，能够有效排除环境信息的干扰，有效提高白粉虱识别和计数的精度；
29、3.本专利技术通过图像分割模型、图像增强、轮廓提取方法，获取白粉虱样本，并提出异常数据筛选方法对获取的白粉虱样本筛选出面积过小、过大的数据，通过相应算法分别对异常数据加以区分样本是否为白粉虱、样本中包含几个白粉虱，从而达到精准计数的目标。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的白粉虱计数方法，其特征在于，步骤如下：
2.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S1中，图像分割方法为Fast R-CNN或U-Net。
3.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S2中，图像增强为对比度增强、亮度增强和色度增强。
4.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S3中，白色区域的提取方法为设定阈值上、下界限，通过阈值上、下界限提取范围内的mask。
5.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S5中，异常值筛查方法包括Z-score、DBSCAN或孤立森林。
6.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S6中，列表Lnor中轮廓面积的平均值Area计算公式如下：
7.如权利要求6所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤S8中，统计列表中白粉虱的数目m的方法为：
8.如权利要求7所述的基于机器视觉的白粉虱计数方法，其特征在于，步
...【技术特征摘要】
1.一种基于机器视觉的白粉虱计数方法，其特征在于，步骤如下：
2.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤s1中，图像分割方法为fast r-cnn或u-net。
3.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤s2中，图像增强为对比度增强、亮度增强和色度增强。
4.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤s3中，白色区域的提取方法为设定阈值上、下界限，通过阈值上、下界限提取范围内的mask。
5.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤s5中，异常值筛查方法包括z-score、dbscan或孤立森林。
6.如权利要求1所述的基于机器视觉的白粉虱计数方法，其特征在于，步骤...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。