一种基于云计算的可控农业防病害栽培系统及方法与流程

本发明涉及农业病害治理领域，具体为一种基于云计算的可控农业防病害栽培系统及方法。

背景技术：

1、农业是人类衣食的基础，生存之本，是一切生产的首要条件，作为国民经济中的基础，它为国民经济的其余部门提供粮食、副食、工业原料、基金和出口的物资。

2、目前，我国大部分在对农作物病害防治主要是发生在病虫害发生后期，防治技术手段欠缺针对性与灵活性，不仅仅无法保证农作物病虫害的防治效果与质量，还容易造成农业经济上的巨大损失，因为环境等各个因素的影响，会导致农作物病虫害的类型以及危害不断增加，目前现在大部分农业上病虫害防治工作主要以传统的防治为主，因此常常在病虫害防治效果上效果甚微。

技术实现思路

1、本发明的目的在于提供一种基于云计算的可控农业防病害栽培系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的可控农业防病害栽培方法，其特征在于，方法包括：

3、步骤s100：获取待拍照内目标农作物易发生的病害种类；对目标农作物进行拍摄，获取目标农作物图像；将目标农作物图像进行预处理，得到去除干扰的目标农作物图像；

4、步骤s200：将目标农作物图像划分为均匀的若干个图片区域，对目标农作物图像区域图片的图片尺寸进行归一化处理，得到标准化的目标农作物图像区域图片；对若干个目标农作物图像区域图片的信息进行提取，获取目标农作物图像的信息特征；根据目标农作物的图像信息特征与目标农作物图像对应的信息特征阈值，对若干个图片区域进行筛选，得到疑似病害农作物图像区域图片；对疑似农作物图像区域图片进行全方面拍摄，获取疑似农作物图像区域图片对应的疑似农作物三维图像，根据疑似农作物三维图像，获取疑似农作物图像区域图片内的各个叶片弯曲角度；叶片弯曲角度为叶片与叶杆面之间角度；叶杆面为以叶片的叶杆建立的平面系；根据信息特征和各个叶片弯曲角度，对疑似病害农作物图像区域图片的病害真实值进行计算；

5、步骤s300：根据疑似病害农作物图像区域图片的病害真实值，对疑似病害农作物图像区域图片进行筛选，得到病害农作物图像区域图片；根据病害农作物图像区域图片的病害程度值，对目标农作物的整体病害程度值进行计算；

6、步骤s400：根据病害农作物图像区域图片在目标农作物图像上的分布位置和确认的目标农作物的病害种类，计算目标农作物的病害蔓延值；

7、步骤s500：根据病害蔓延值，对目标农作物的病害情况进行判定；根据判断结果对目标农作物进行相应处理。

8、进一步的，步骤s200包括：

9、步骤s201：对保留的模糊度最低的目标农作物图像进行区域图片划分，将目标农作物图像划分为若干个均匀区域图片，对若干个区域图片的目标农作物图像尺寸进行归一化处理；

10、步骤s202：对归一化后的若干个区域图片的目标农作物图像，按照划分的区域图片对目标农作物进行信息提取，获取目标农作物图像的信息特征；信息特征包括所若干个目标农作物图像区域图片的颜色对应的rgb、叶片中的病斑数目w；

11、步骤s203：将目标农作物图像区域图片的rgb进行汇集，得到目标农作物图像n个区域图片的rgb集合c＝{rgb1,rgb2,...,rgbn}；其中，rgb1,rgb2,...,rgbn分别表示目标农作物图像中第1、2、...、n个区域图片的rgb值；获取的目标农作物图像对应的病害农作物图像，提取病害农作物图像的rgbσ；当目标农作物图像的rgb集合c中的rgb与rgbσ的各项数据比值，大于目标农作物的阈值时，将目标农作物图像中的对应区域图片，记为疑似病害农作物图像区域图片；

12、步骤s204：对被判定为疑似病害农作物图像区域图片进行进一步判定，对疑似病害农作物图像区域图片进行全方面拍摄，获取疑似病害农作物图像区域图片的目标农作物的三维图像，根据目标农作物的三维图像，获取疑似病害农作物图像区域图片内的各个叶片弯曲角度；根据信息特征和各个叶片弯曲角度θ，计算疑似病害农作物图像区域图片的病害真实值p：

13、

14、其中，θr为目标农作物对应病害叶片的最小弯曲角度；θi为疑似病害农作物图像区域图片中第i个大于最小弯曲角度θr的叶片弯曲角度；j为疑似病害农作物图像区域图片中叶片弯曲角度θ大于目标农作物对应病害叶片的最小弯曲角度θr的叶片数目；β为叶片数目j对应的目标农作物的叶片弯曲影响因数；

15、上述步骤中对目标农作物图像区域图片的rgb进行汇集，根据目标农作物图像对应的病害农作物图像，提取病害目标农作物图像的rgbσ；因为当农作物发生病害的时候其叶片的颜色会发生变化，这使得病害农作物的叶片与正常农作物叶片的颜色会有相许差异，这可以用于找出病害农作物，但是在有些农作物上叶片颜色可能会因为天气或者因为正常叶片与病害叶片差异不大导致在对病害农作物的判别上出现错误，这时候需要一些辅助的信息去确认病害农作物的真实性，判定农作物是否真的是因为病害导致叶片发生变化的，使用叶片的弯曲角度可以进一步确认农作物的叶片是否发生病害，这大大的增加了病害农作物识别的成功率和识别的效率。

16、进一步的，步骤s300包括：

17、步骤s301：当目标农作物的疑似病害农作物图像区域图片的农作物病害真实率p大于等于目标农作物的病害阈值时，将目标农作物的疑似病害农作物图像区域图片记为病害农作物图像区域图片；当目标农作物的疑似病害农作物图像区域图片的农作物病害真实率p小于目标农作物的病害阈值时，将疑似目标农作物图像区域图片，进行预警；

18、步骤s302：根据病害农作物图像区域图片的叶片中的病斑数目w，对病害农作物图像区域图片的区域图片病害程度值d进行计算：

19、

20、其中，si为农作物疑似病害图像区域图片对应的第i个病斑对应的面积；w为疑似病害图像区域图片对应的病斑总数；ε为w对应的目标农作物的病斑影响因数；p为疑似病害农作物图像区域图片的病害真实值；

21、步骤s303：根据区域图片病害程度值d，计算目标农作物的整体病害程度值v:

22、

23、其中，m为病害农作物图像区域图片总数；di为第i个病害农作物图像区域图片对应的区域图片病害程度值；为病害农作物图像区域图片数量影响值；

24、上述步骤中对根据目标农作物的疑似病害农作物图像区域图片的农作物病害真实率p，对病害农作物图像区域图片进行确认，用数据的方式判断病害区域图片这使得病害区域图片的确认，更加科学严谨，根据病害农作物图像区域图片叶片中的病斑数目w，对病害农作物图像区域图片的区域图片病害程度值d进行计算，是因为病害农作物的严重程度对病害农作物的防治十分重要不同病害程度的农作物在处理方式是不同的，在后续对健康农作物的感染程度和速率也是不同的，所以对病害农作物区域图片病害程度值计算显得十分重要，同时病害农作物区域图片的病害程度值也对于目标农作物的整体病害程度值计算提供了数据支持，整体病害程度值可以体现目标农作物整体的病害情况。

25、进一步的，步骤s400包括：

26、步骤s401：对目标农作物图像建立二维坐标系，根据病害农作物图像区域图片在二维坐标系中所处位置，对病害农作物图像区域图片坐标进行记录汇集，得到病害农作物坐标集合t＝*(x1,y1),(x2,y2),...,(xm,ym)+；其中，(x1,y1),(x2,y2),...,(xm,ym)分别表述第1、2、...、m个病害农作物区域图片在目标农作物图像的二维坐标系x轴和y轴上的坐标；

27、步骤s402：选取二维坐标系中的原点坐标(xc,yc)为目标农作物的标准坐标，根据标准坐标和病害农作物坐标集合t，计算目标农作物的病害分布值f:

28、

29、其中，μ为病害农作物图像区域图片坐标数量影响值；

30、步骤s403：计算目标农作物的病害蔓延值g:

31、g＝f×v+e；

32、其中，f为目标农作物的病害分布值；v为目标农作物的整体病害程度值；e为目标农作物的病害种类病害感染值；

33、上述步骤中根据病害农作物所在区域图片在农作物图像上的坐标可以得出病害农作物的分布情况，使用农作物的病害分布值对目标农作物病害情况进行进一步确认，病害农作物的不同分布位置对农作物病害的传播影响是很大的，当病害农作物分布广泛又靠近农作物整体中心位置，那么该农作物的病害传播会较病害农作物分布一般的农作物被感染的程度会更大；计算出的病害蔓延值可以更加直观的体现病害农作物的蔓延趋势。

34、进一步的，步骤s500包括：

35、步骤s501：当目标农作物的病害蔓延值小于等于目标农作物第一病害蔓延值，判定目标农作物的病害情况为轻微；当目标农作物的病害蔓延值大于目标农作物的第一病害蔓延值小于目标农作物的第二病害蔓延值，判定目标农作物的病害情况为中等；当目标农作物的病害蔓延值大于等于目标农作物的第二病害蔓延值，判定目标农作物病害情况为严重；

36、步骤s502：通过步骤s501获取目标农作物不同病害蔓延值对应的目标农作物病害情况，根据目标农作物病害情况的不同采取对应的措施对目标农作物的病害进行防治，阻止病害的蔓延；具体措施为对病害情况判定为轻微的目标农作物，使用目标农作物病害对应药剂，对目标农作物进行喷洒；对病害情况判定为中等的目标农作物，对目标农作物进行实地拍摄，并将拍摄图片交由农业专家进行分析；对病害情况被判定为严重的目标农作物，请相关农业专家实地考察，结合农业专家意见，给出实际处理措施。

37、为更好的实现上述方法还提出一种基于云计算的可控农业防病害栽培方法的可控农业防病害栽培系统，系统包括农作物图像获取模块、疑似农作物模块、整体病害程度值计算模块、农作物病害处理模块；

38、农作物图像获取模块，用于对目标农作物进行拍摄，获取目标农作物图像；将目标农作物图像进行预处理，得到去除干扰的目标农作物图像；

39、疑似农作物模块，用于对将目标农作物图像划分为均匀的若干个区域图片，对目标农作物图像区域图片的图像尺寸进行归一化处理，得到标准化的目标农作物图像区域图片；对若干个区域图片进行筛选，得到疑似病害农作物图像区域图片；对疑似病害农作物图像区域图片的病害真实值进行计算；

40、整体病害程度值计算模块，用于对疑似病害农作物图像区域图片进行筛选，得到病害农作物图像区域图片；根据病害农作物图像区域图片的病害程度值，对目标农作物的整体病害程度值进行计算；

41、农作物病害处理模块，用于对根据目标农作物病害蔓延值，对目标农作物病害情况进行判定；根据判断结果对目标农作物进行相应处理。

42、进一步的，农作物图像获取模块包括农作物图像获取单元；

43、农作物图像获取单元，用于对待拍照的目标农作物的品种进行确认，同时基于云计算获取目标农作物的易发生的病害种类；对目标农作物进行拍摄，获取目标农作物图像；将目标农作物图像进行预处理，得到去除干扰的目标农作物图像。

44、进一步的，疑似农作物模块包括疑似农作物单元、疑似农作物真实值计算单元；

45、疑似农作物单元，用于对目标农作物图像区域图片的图像尺寸进行归一化处理，得到标准化的目标农作物图像区域图片；对若干个目标农作物图像区域图片进行信息提取，获取目标农作物图像的信息特征；根据目标农作物图像信息特征与目标农作物图像对应的信息特征阈值，对若干个区域图片进行筛选，得到疑似病害农作物图像区域图片；

46、疑似农作物真实值计算单元，用于对根据目标农作物的三维图像，获取疑似农作物图像区域图片内的各个叶片弯曲角度；根据信息特征和各个叶片弯曲角度，对疑似病害农作物图像区域图片的病害真实值进行计算。

47、进一步的，整体病害程度值计算模块包括区域图片病害程度值计算单元、整体病害程度值计算单元；

48、区域图片病害程度值计算单元，用于对根据病害农作物图像区域图片的叶片的病斑数目w，对病害农作物图像区域图片的区域图片病害程度值d进行计算；

49、整体病害程度计算单元，用于对根据区域图片病害程度值d，计算目标农作物的整体病害程度值v。

50、进一步的，农作物病害处理模块包括病害蔓延值计算单元、农作物病害处理单元；

51、蔓延值计算单元，用于根据二维坐标系中的原点坐标(xc,yc)为目标农作物的标准坐标，根据标准坐标和病害农作物坐标集合t，计算目标农作物的病害分布值f；根据病害分布值f，计算目标农作物的病害蔓延值；

52、农作物病害处理单元，用于对根据病害蔓延值对目标农作物的病害程度进行判定，根据判定结果对目标农作物采取相应的应对措施。

53、与现有技术相比，本发明所达到的有益效果是：本发明通过对目标农作物的图像进行分析，获取目标农作物的病害农作物所在区域图片，根据病害农作物所在区域图片和病害程度对目标农作物的病害发展趋势进行预测，从而在目标农作物病害还没有发生的时候对目标农作物进行提前采取对应的防治措施，大大的减轻了病虫害对目标农作物造成的损害，病害农作物的不同分布位置对农作物病害的传播影响是很大的，当病害农作物分布广泛又靠近农作物整体中心位置，那么该农作物的病害传播会较病害农作物分布一般的农作物被感染的程度会更大；计算出的病害蔓延值可以更加直观的体现病害农作物的蔓延趋势。