【技术实现步骤摘要】
本专利技术涉及水稻病虫害检测，更具体地说，本专利技术涉及一种智能水稻病虫害检测系统及其检测方法。
技术介绍
1、水稻是我国主要粮食产物，原产于中国，是世界主要粮食作物之一。中国水稻播种面占全国粮食作物的1/4，而产量则占一半以上。栽培历史已有14000～18000年。为重要粮食作物；除食用颖果外，可制淀粉、酿酒、制醋，米糠可制糖、榨油、提取糠醛，供工业及医药用；稻秆为良好饲料及造纸原料和编织材料，谷芽和稻根可供药用。
2、病虫害种类繁多，形成条件复杂，及早预防有利于确保农户受益，进而维护国家的粮食安全。目前，水稻病虫害检测领域广泛应用的人眼辨识，其存在诸多缺陷，例如重复劳动、田间观测困难、病虫害识别准确率低等问题。
3、为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种智能水稻病虫害检测系统及其检测方法以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种智能水稻病虫害检测方法，包括如下步骤：
4、步骤s1，利用无人机摄录多张不同时间下水稻叶片照片；
5、步骤s2，构建水稻叶片照片数据集；
6、步骤s3，将无人机摄录的水稻叶片照片导入到水稻叶片照片数据集中，无人机摄录的水稻叶片照片与水稻叶片照片数据集之间的照片对比相似度，得到相似度系数；
7、步骤s4，设置相似度系数阙值，将相似度系数与相
8、步骤s5，设置危险系数数据库，将危险系数导入到危险系数数据库中，对相似目标进行判断分析，输出病虫害检测结果。
9、在一个优选的实施方式中，步骤s1包括以下具体内容：
10、提前在无人机上设置好水稻叶片照片的摄录间隔，并设置好无人机摄像头与待摄录水稻叶片照片之间的距离。
11、在一个优选的实施方式中，步骤s2包括以下具体内容：
12、对患病虫害的水稻叶片照片进行整理收集；
13、对患不同病虫害的水稻叶片照片进行分类收集；
14、定期对水稻叶片照片数据集进行更新。
15、在一个优选的实施方式中，步骤s3包括以下具体内容：
16、将无人机摄录的水稻叶片照片缩小到9x8的尺寸，总共72个像素，摒弃不同尺寸、比例带来的照片差异；
17、将缩小后的照片转为64级灰度；
18、相邻的两个元素进行相减，得出8个不同的差异值，这样总共得到64个差异值；
19、对差异值进行处理，若为正数或0，则记得为1；若为负数，记为0。
20、通过采用上述技术方案，如此来对无人机摄录的水稻叶片照片进行一次相似度分析处理，利于进行相似度判断。
21、在一个优选的实施方式中，步骤s4包括以下具体内容：
22、设置相似度系数阈值，将相似度系数阙值标记为ast1和ast2；
23、其中，ast1＜ast2，将相似度系数标记为st；
24、将相似度系数与相似度系数阙值进行比较。
25、在一个优选的实施方式中，步骤s4还包括以下具体内容：
26、若st＜ast1，生成安全性高信号；
27、若ast1≤st＜ast1，生成安全性偏低信号，生成二级预警提示；
28、若ast1＜st，生成安全性较低信号，生成一级预警提示；
29、二级预警提示和一级预警提示构成危险系数。
30、在一个优选的实施方式中，步骤s5包括以下具体内容：
31、将无人机摄录的水稻叶片照片缩小到6x5的尺寸，总共30个像素，摒弃不同尺寸、比例带来的照片差异；
32、将缩小后的照片转为25级灰度；
33、相邻的两个元素进行相减，得出5个不同的差异值，这样总共得到25个差异值；
34、对差异值进行处理，若为正数或0，则记得为1；若为负数，记为0；
35、如此对相似度二次分析，确定病虫害检测结果。
36、通过采用上述技术方案，在生成危险系数时，需要对相似度再次进行分析，而且相似度一次分析的像素为72个，相似度二次分析的像素为30个，如此在一次相似度分析的基础上再次对图片进行放大，提高相似度分析结果，进而可以有效确定病虫害检测结果。
37、一种智能水稻病虫害检测系统，包括水稻叶片照片摄录模块、水稻叶片照片数据集构建模块、相似度计算模块、相似度对比模块、判断分析模块；各个模块之间通过信号连接；
38、水稻叶片照片摄录模块通过利用无人机摄录多张不同时间下水稻叶片照片；并将水稻叶片照片发送至水稻叶片照片数据集构建模块；
39、水稻叶片照片数据集构建模块用于构建水稻叶片照片数据集；
40、相似度计算模块用于将无人机摄录的水稻叶片照片导入到水稻叶片照片数据集中，无人机摄录的水稻叶片照片与水稻叶片照片数据集之间的照片对比相似度，得到相似度系数；
41、相似度对比模块用于将相似度系数与相似度系数阙值进行对比，得到危险系数；
42、判断分析模块用于将危险系数导入到危险系数数据库中，对相似目标进行判断分析，输出病虫害检测结果。
43、本专利技术一种智能水稻病虫害检测系统及其检测方法的技术效果和优点：
44、1.通过利用无人机摄录多张不同时间下水稻叶片照片，然后将摄录的多张不同时间下水稻叶片照片导入到提前设定的水稻叶片照片数据集中进行相似度分析，得到相似度系数，再将相似度系数与相似度系数阙值进行对比，得到危险系数，根据对比的结果，生成二级预警提示和一级预警提示，进而构成了危险系数；
45、2.在生成危险系数时，通过对相似度二次分析，确定病虫害检测结果，相似度一次分析的像素为72个，相似度二次分析的像素为30个，如此在一次相似度分析的基础上再次对图片进行放大，提高相似度分析结果，进而可以有效确定病虫害检测结果。
本文档来自技高网...【技术保护点】
1.一种智能水稻病虫害检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤S1包括以下具体内容：
3.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤S2包括以下具体内容：
4.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤S3包括以下具体内容：
5.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤S4包括以下具体内容：
6.根据权利要求5所述的一种智能水稻病虫害检测方法，其特征在于：步骤S4还包括以下具体内容：
7.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤S5包括以下具体内容：
8.一种智能水稻病虫害检测系统，用于实现权利要求1-7任一项所述的检测方法，包括水稻叶片照片摄录模块、水稻叶片照片数据集构建模块、相似度计算模块、相似度对比模块、判断分析模块；各个模块之间通过信号连接；
【技术特征摘要】
1.一种智能水稻病虫害检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤s1包括以下具体内容：
3.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤s2包括以下具体内容：
4.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步骤s3包括以下具体内容：
5.根据权利要求1所述的一种智能水稻病虫害检测方法，其特征在于：步...
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。