一种农作物病情指数的计算方法及系统的制作方法
【技术领域】
[0001] 本发明涉及农作物病害防治领域，具体涉及一种农作物病情指数的计算方法及系 统。
【背景技术】
[0002] 随着农作物产业的发展，农作物受病害的危害程度日趋严重。由于病害的诊断基 本上是凭借经验和病理学知识进行分析和判断，这样就使得农民在农作物生产过程中，缺 乏科学合理使用农药的知识，导致了农药的误用和滥用。如果能够实现对农作物病害的自 动识别，准确地计算出病情指数，就能够针对病害的具体情况，有选择性地施药，减少"地毯 式"大面积农药的喷洒，极大降低了农药的使用量，从源头上确保了农作物生产的安全。
[0003] 病情指数（DiseaseIndex，DI)又叫发病指数，是全面考虑发病率与严重度的综合 指标，可作为农作物作物防治病害的重要依据。传统的病情指数主要是通过田间植保人员 根据自身经验和病理学知识实地调研计算得来。该方法不仅工作量大、效率低下，而且受到 植保人员专业知识的限制应用范围有限。
【发明内容】
[0004] 针对现有技术中的缺陷，本发明提供了 一种农作物病情指数的计算方法及系统， 该方法解决了依赖田间植保人员自身经验和病理学知识计算农作物的病情指数，导致统计 结果不准确，效率低等问题。
[0005] 第一方面，本发明提供一种农作物病情指数的计算方法，包括：
[0006] 获取农作物的图像，并对所述图像进行预处理；
[0007] 将预处理后的图像划分成多个子图像，提取所述子图像的颜色特征；
[0008] 根据所述子图像的颜色特征，通过最小距离分类器识别所述子图像的病害种类及 病害级别；
[0009] 根据所述子图像的病害种类及病害级别，计算该农作物的病情指数。
[0010] 可选的，所述获取农作物的图像，并对所述图像进行预处理，包括：
[0011] 获取农作物的图像，所述图像中包含农作物的叶片；
[0012] 采用交互式图像分割方法提取所述图像中的叶片区域；
[0013] 对提取的叶片区域的图像进行滤波、去噪和平滑预处理。
[0014] 可选的，所述采用交互式图像分割方法提取所述图像中的叶片区域，包括：
[0015] 在所述图像中选择图像的分割点；
[0016] 利用分水岭图像分割算法对所述图像进行分割，并划分为多个区域图像；
[0017] 提取每个区域图像的颜色直方图特征；
[0018] 根据所述每个区域图像的颜色直方图特征以及确定的叶片区域图像和非叶片区 域图像的颜色直方图特征，计算每个区域图像与叶片区域图像的第一相似度，以及该区域 图像与非叶片区域图像的第二相似度，若所述第一相似度大于所述第二相似度，则将该区 域图像作为目标区域的图像；
[0019] 将多个目标区域的图像合并作为叶片区域的图像。
[0020] 可选的，所述根据所述每个区域图像的颜色直方图特征以及确定的叶片区域图像 和非叶片区域图像的颜色直方图特征，计算每个区域图像与叶片区域图像的第一相似度， 以及该区域图像与非叶片区域图像的第二相似度，包括：
【主权项】
1. 一种农作物病情指数的计算方法，其特征在于，包括： 获取农作物的图像，并对所述图像进行预处理； 将预处理后的图像划分成多个子图像，提取所述子图像的颜色特征； 根据所述子图像的颜色特征，通过最小距离分类器识别所述子图像的病害种类及病害 级别； 根据所述子图像的病害种类及病害级别，计算该农作物的病情指数。
2. 根据权利要求1所述的方法，其特征在于，所述获取农作物的图像，并对所述图像进 行预处理，包括： 获取农作物的图像，所述图像中包含农作物的叶片； 采用交互式图像分割方法提取所述图像中的叶片区域； 对提取的叶片区域的图像进行滤波、去噪和平滑预处理。
3. 根据权利要求2所述的方法，其特征在于，所述采用交互式图像分割方法提取所述 图像中的叶片区域，包括： 在所述图像中选择图像的分割点； 利用分水岭图像分割算法对所述图像进行分割，并划分为多个区域图像； 提取每个区域图像的颜色直方图特征； 根据所述每个区域图像的颜色直方图特征以及确定的叶片区域图像和非叶片区域图 像的颜色直方图特征，计算每个区域图像与叶片区域图像的第一相似度，以及该区域图像 与非叶片区域图像的第二相似度，若所述第一相似度大于所述第二相似度，则将该区域图 像作为目标区域的图像； 将多个目标区域的图像合并作为叶片区域的图像。
4. 根据权利要求3所述的方法，其特征在于，所述根据所述每个区域图像的颜色直方 图特征以及确定的叶片区域图像和非叶片区域图像的颜色直方图特征，计算每个区域图像 与叶片区域图像的第一相似度，以及该区域图像与非叶片区域图像的第二相似度，包括：
其中，Histc表示区域图像C的直方图，Hist D表示叶片区域图像D的直方图，Hist E表 示非叶片区域图像E的直方图，上标u表示R、G、B三种颜色，P (C，D)表示区域图像C与叶 片区域图像D的第一相似度，P (C，E)表示区域图像C与非叶片区域图像E的第二相似度， 若P (C，D)大于P (C，E)，则将区域图像作为目标区域的图像。
5. 根据权利要求1所述的方法，其特征在于，所述将预处理后的图像划分成多个子图 像，提取所述子图像的颜色特征，包括： 将预处理后的图像归一化，采用平面划分算法将所述将预处理后的图像划分成多个子 图像； 提取每个子图像的R、G、B颜色特征。
6. 根据权利要求1所述的方法，其特征在于，所述根据所述子图像的颜色特征，通过最 小距离分类器识别所述子图像的病害种类及病害级别，包括： 根据所述子图像的颜色特征，获取所述子图像的颜色特征值； 将所述子图像的颜色特征值分别与病害样本库中N个病害图像的颜色特征值进行比 较，并获得与所述子图像颜色特征值距离最小的病害样本库中的病害图像的颜色特征值， 以及该颜色特征值对应的病害图像； 根据所述病害样本库中的病害图像的病害种类及病害级别，识别所述子图像的病害种 类及病害级别。
7. 根据权利要求6所述的方法，其特征在于，所述将所述子图像的颜色特征值分别与 病害样本库中N个病害图像的颜色特征值进行比较，并获得与所述子图像颜色特征值距离 最小的病害样本库中的病害图像的颜色特征值，包括：
其中，gi (X)为子图像颜色特征值与病害样本库中N个病害图像的颜色特征值的距离， At,中的i表示多种已知农作物病害的第i类，k表示第i类中N个农作物病害图像样本中 的第k个农作物病害图像样本，at表示第t个颜色特征值，X表示待识别的农作物病害的图 像，其中，t = 1，2, 3, i = 1，2, "Sm, m表示病害种类的个数； 再从各类病害的最小值中获取最小值，如下公式：
则&(x)所对应的病害种类和病害级别为待识别农作物图像的病害种类和病害级别。
8. 根据权利要求1所述的方法，其特征在于，所述根据所述子图像的病害种类及病害 级别，计算该农作物的病情指数，包括：
其中，DIv为病情指数，V为农作物病害种类，z为V种类病害所对应的病害级别，m为 最高病害级别，Fz是病害级别为z时的子图像个数，Num为子图像的总个数，Dmax为当前子 图像的最尚病害级别。
9. 一种农作物病情指数的计算系统，其特征在于，包括： 图像获取模块，用于获取农作物的图像，并对所述图像进行预处理； 特征提取模块，用于将预处理后的图像划分成多个子图像，提取所述子图像的颜色特 征； 病害识别模块，用于根据所述子图像的颜色特征，通过最小距离分类器识别所述子图 像的病害种类及病害级别； 计算模块，用于根据所述子图像的病害种类及病害级别，计算该农作物的病情指数。
10.根据权利要求9所述的系统，其特征在于，所述图像获取模块，具体用于： 获取农作物的图像，所述图像中包含农作物的叶片； 采用交互式图像分割方法提取所述图像中的叶片区域； 对提取的叶片区域的图像进行滤波、去噪和平滑预处理。
【专利摘要】本发明公开了一种农作物病情指数的计算方法及系统，包括：获取农作物的图像，并对所述图像进行预处理；将预处理后的图像划分成多个子图像，提取所述子图像的颜色特征；根据所述子图像的颜色特征，通过最小距离分类器识别所述子图像的病害种类及病害级别；根据所述子图像的病害种类及病害级别，计算该农作物的病情指数。该方法解决了现有技术中病情指数计算依赖田间植保人员自身经验和病理学知识、统计结果不准确、需要人工计算等。通过该方法将有助于提高农作物病害的防治水平，进而促进了精准农业的实施，而且也为农作物病害防治领域提供了新的方法和技术。
【IPC分类】G06K9-62, G06K9-00, G06K9-34
【公开号】CN104751122
【申请号】CN201510098883
【发明人】王志彬, 王开义, 潘守慧, 王书锋, 刘忠强, 杨锋
【申请人】北京农业信息技术研究中心
【公开日】2015年7月1日
【申请日】2015年3月5日