本发明涉及计算机技术图像识别技术领域,尤其涉及病虫害识别方法及实现该方法的装置。
背景技术:
在农业种植领域,病虫害防治永远是无法逃避的工作。在病虫害防治的第一步是对害虫品种的准确鉴别和判断。一般的农业工作者因为专业知识和资料的缺乏,难以在第一时间准确判断害虫的种类。现有的基于图像识别技术是基于用户拍摄的害虫图片,通过照片中害虫的边缘识别出害虫形状,再通过害虫形状特征匹配害虫数据库,从而识别出害虫种类,为农业工作者提供害虫防治的参考意见等。
但是这种害虫识别方式存在一些不足之处:不同种类的害虫本身的边缘特征较为接近,特别是一些害虫幼虫形状体态等特征十分接近,容易造成较大的识别误差,同时照片背景也会进一步干扰到识别的准确程度。
技术实现要素:
本发明是为了克服现有技术中的害虫识别技术的不足之处,提供能够通过边缘特征及色值特征区别一些形态较为接近的害虫,从而提高害虫识别精确度的一种病虫害识别方法及装置。
为实现上述目的,本发明采用以下技术方案:
本发明的一种病虫害识别方法,所述方法包括以下步骤:
解析获取待识别的害虫图片的边缘特征数据;
根据所述边缘特征数据从预设样本数据库中,筛选获取第一匹配结果;
解析获取所述害虫图片的色值特征数据;
根据所述色值特征数据从第一匹配结果中,筛选获取第二匹配结果。
作为优选,所述的样本数据库预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。
作为优选,所述解析获取所述害虫图片的边缘特征数据的步骤,进一步包括:通过canny边缘检测算法解析并获取害虫图片中的边缘特征数据。
作为优选,所述色值特征数据包括害虫图片中包含颜色的色值数据及各色值所占比例,所述的解析获取所述害虫图片的色值特征数据的步骤,进一步包括:获取待识别的害虫照片的背景色色值范围;排除背景色值范围后统计剩余部分的色值区间及各色值所占比例。
作为优选,所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。
本发明的一种病虫害识别装置,所述装置包括:
第一解析模块,用于解析获取待识别的害虫图片的边缘特征数据;
第一匹配模块,用于根据所述边缘特征数据从预设样本数据库中,筛选获取第一匹配结果;
第二解析模块,用于解析获取所述害虫图片的色值特征数据;
第二匹配模块,用于根据所述色值特征数据从第一匹配结果中,筛选获取第二匹配结果。
作为优选,还包括样本数据库,所述的样本数据库预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。
作为优选,所述的第一解析模块,通过canny边缘检测算法解析并获取害虫图片中的边缘特征数据。
作为优选,所述第二解析模块包括:
获取单元,用于获取待识别的害虫照片的背景色色值范围;
统计单元,用于排除背景色值范围后统计剩余部分的色值区间及各色值所占比例。
作为优选,所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。
本发明的技术方案首先通过边缘特征数据从样本数据库中筛选出第一匹配结果,所述的第一匹配结果是在形态上与待识别害虫图片接近的一系列样本。然后再通过害虫图片的色值区间和色值所占比例,两项参数从第一匹配结果中筛选出第二匹配结果。由于结合了颜色做为识别特征,能够识别区分形态接近的害虫,提高识别效率和准确性。
附图说明
图1为本发明的一种病虫害识别方法的流程图。
图2为本发明的另一种病虫害识别方法的流程图。
图3为本发明的一种病虫害识别装置的原理框图。
图4为本发明的另一种病虫害识别装置的原理框图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步描述。
实施例一:
如图1所示,本发明实施例提供一种病虫害识别方法,所述方法包括以下步骤:
s101解析获取待识别的害虫图片的边缘特征数据。
本实施例中是通过canny边缘检测算法解析待识别的害虫图片,获取其中的边缘特征数据,所述的边缘特征数据是能够表现害虫图片中害虫本体的形状特征数据。所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。
s102根据所述边缘特征数据从预设样本数据库中,筛选获取第一匹配结果。
所述预设样本数据库,预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。通过待识别的害虫图片的边缘特征数据与所述样本害虫图片的边缘特征数据逐一进行匹配。根据匹配程度从高到低筛选出一定数量的相似数据,即第一匹配结果。所述的第一匹配结果作为初步识别的结果,是一组害虫形状上与待识别的害虫图片近似的样本害虫图片。
s103解析获取所述害虫图片的色值特征数据。
所谓色值即是代表颜色的数据。色值特征数据即是利用色值数据代表害虫图片中害虫的颜色特征。
s104根据所述色值特征数据从第一匹配结果中,筛选获取第二匹配结果。
本步骤中通过排除背景色值范围后统计剩余部分的色值特征数据,与第一匹配结果中的样本害虫图片的色值特征数据逐一进行匹配,筛选出最接近的第二匹配结果。这样可以在通过形状边缘特征筛选出的第一匹配结果的基础上,通过色值特征数据进行二次筛选。从而能够有效识别区分具有相似外形形状的害虫种类。由于结合了颜色做为识别特征,能够识别区分形态接近的害虫,提高识别效率和准确性。
实施例二:
如图2所示,本发明实施例是对实施例一的进一步优化和补充,提供的另一种病虫害识别方法,所述方法包括以下步骤:
s201获取待识别的害虫图片。所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。
s202通过canny边缘检测算法解析并获取害虫图片中的边缘特征数据。
所述的边缘特征数据是能够表现害虫图片中害虫本体的形状特征数据。所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。
s203根据所述边缘特征数据从预设样本数据库中,筛选获取第一匹配结果。
所述预设样本数据库,预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。通过待识别的害虫图片的边缘特征数据与所述样本害虫图片的边缘特征数据逐一进行匹配。
s204获取待识别的害虫照片的背景色色值范围。
s205排除背景色值范围后统计剩余部分的色值区间及各色值所占比例。
本步骤是获取待识别的害虫照片的背景色色值范围;排除背景色值范围后统计剩余部分的色值区间及各色值所占比例。所谓色值即是代表颜色的数据。
通过统计排除背景色值范围后统计剩余部分的色值区间能够获取害虫的颜色的特征,色值区间是考虑到害虫本身个体间的颜色细微差异。统计各色值所占比例作为匹配依据之一,是为了区别具有相似颜色的害虫种类,这样即使存在颜色组成相似的不同害虫种类,也能根据各颜色所占比例的不同来区分,比如各种瓢虫之间的区分。
s206根据所述排除背景色值范围后统计剩余部分的色值区间及各色值所占比例从第一匹配结果中,筛选获取第二匹配结果。
本步骤中通过排除背景色值范围后统计剩余部分的色值区间及各色值所占比例两项数据,与第一匹配结果中的样本害虫图片的色值以及各色值所占比例逐一进行匹配,筛选出最接近的第二匹配结果。
本发明的技术方案首先通过边缘特征数据从样本数据库中筛选出第一匹配结果,所述的第一匹配结果是在形态上与待识别害虫图片接近的一系列样本。然后再通过害虫图片的色值区间和色值所占比例,两项参数从第一匹配结果中筛选出第二匹配结果。由于结合了颜色做为识别特征,能够识别区分形态接近的害虫,提高识别效率和准确性。
实施例三:
如图3所示,本发明实施例提供一种病虫害识别装置,所述装置包括:
第一解析模块301,用于解析获取待识别的害虫图片的边缘特征数据。
所述待识别的害虫图片是在纯色背景上拍摄的害虫图片。通过canny边缘检测算法解析待识别的害虫图片,获取其中的边缘特征数据,所述的边缘特征数据是能够表现害虫图片中害虫本体的形状特征数据。
第一匹配模块302,用于根据所述边缘特征数据从预设样本数据库中,筛选获取第一匹配结果。
所述预设样本数据库,预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。通过待识别的害虫图片的边缘特征数据与所述样本害虫图片的边缘特征数据逐一进行匹配。根据匹配程度从高到低筛选出一定数量的相似数据,即第一匹配结果。所述的第一匹配结果作为初步识别的结果,是一组害虫形状上与待识别的害虫图片近似的样本害虫图片。
第二解析模块303,用于解析获取所述害虫图片的色值特征数据。
所谓色值即是代表颜色的数据。色值特征数据即是利用色值数据代表害虫图片中害虫的颜色特征。
第二匹配模块304,用于根据所述色值特征数据从第一匹配结果中,筛选获取第二匹配结果。
通过排除背景色值范围后统计剩余部分的色值特征数据,与第一匹配结果中的样本害虫图片的色值特征数据逐一进行匹配,筛选出最接近的第二匹配结果。这样可以在通过形状边缘特征筛选出的第一匹配结果的基础上,通过色值特征数据进行二次筛选。从而能够有效识别区分具有相似外形形状的害虫种类。由于结合了颜色做为识别特征,能够识别区分形态接近的害虫,提高识别效率和准确性。
实施例四:
如图4所示,本发明实施例是对实施例三的进一步补充和优化,提供另一种病虫害识别装置,本实施例与实施例三的区别在于:
所述第二解析模块303包括:
获取单元401,用于获取待识别的害虫照片的背景色色值范围。
统计单元402,用于排除背景色值范围后统计剩余部分的色值区间及各色值所占比例。
所述装置还包括样本数据库403,所述的样本数据库预存有样本害虫图片,以及与所述样本害虫图片对应的边缘特征数据和色值特征数据。
通过统计排除背景色值范围后统计剩余部分的色值区间能够获取害虫的颜色的特征,色值区间是考虑到害虫本身个体间的颜色细微差异。统计各色值所占比例作为匹配依据之一,是为了区别具有相似颜色的害虫种类,这样即使存在颜色组成相似的不同害虫种类,也能根据各颜色所占比例的不同来区分,比如各种瓢虫之间的区分。