一種馬鈴薯病害診斷裝置、診斷系統(tǒng)及診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明馬鈴薯病害診斷的技術(shù)領(lǐng)域，具體涉及一種馬鈴薯病害診斷裝置、診斷系 統(tǒng)及診斷方法。
【背景技術(shù)】
[0002] 馬鈴薯皮薄、肉厚、富含淀粉，是輕工業(yè)和食品工業(yè)的重要原料，但是在馬鈴薯的 生長過程中，由于根莖葉的病害會嚴(yán)重影響馬鈴薯的產(chǎn)量和質(zhì)量，因此對馬鈴薯病害診斷 十分重要。
[0003] 目前的診斷方法有：（1)基于手機(jī)平臺識別農(nóng)作物病蟲害，但是由于馬鈴薯病 害特征多、輸入?yún)?shù)多，在手機(jī)平臺上完成特征提取和復(fù)雜分類運(yùn)算速度慢，無法及時(shí)的 獲得當(dāng)前馬鈴薯的病害狀況；而且，由于受到手機(jī)硬件和速度的制約，識別效果較差，從 而導(dǎo)致病害判斷不準(zhǔn)確。（2)另一種方法是根據(jù)拍攝的圖像照片，并采用基于BP(Back Propagation，反向傳播）神經(jīng)網(wǎng)絡(luò)的分類器進(jìn)行分類運(yùn)算。但是，由于馬鈴薯病害分布于 根部、頸部和葉部，且病害特征表現(xiàn)多樣，不同病害的不同特征在不同分類器中分類表現(xiàn)不 同，從而使得分類結(jié)果差異較大，使用單一分類器對對馬鈴薯病害進(jìn)行診斷和識別的準(zhǔn)確 度較差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種馬鈴薯病害診斷裝置及診斷方法，可提高病害診斷的 準(zhǔn)確度。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種馬鈴薯病害診斷裝置，所述診斷裝置包括：接 收單元，用于接收來自移動終端采集模塊采集的馬鈴薯的病害圖像；預(yù)處理單元，用于對所 述病害圖像進(jìn)行預(yù)處理，確定染病部位；以及病斑處理單元，用于對染病部位的圖像進(jìn)行處 理，確定病斑種類及對應(yīng)的防治措施。
[0006] 本發(fā)明馬鈴薯病害診斷裝置通過接收單元接收移動終端的采集模塊采集的馬鈴 薯病害圖像，可實(shí)現(xiàn)遠(yuǎn)程診斷；通過預(yù)處理單元對病害圖像進(jìn)行預(yù)處理初步確定染病部位， 進(jìn)一步由病斑處理單元精細(xì)處理，從而可確定病斑種類及對應(yīng)的防治措施，響應(yīng)迅速，準(zhǔn)確 度高。
【附圖說明】
[0007] 圖1是本發(fā)明馬鈴薯病害診斷系統(tǒng)的結(jié)構(gòu)示意圖；
[0008] 圖2是預(yù)處理單元的結(jié)構(gòu)示意圖；
[0009] 圖3是病斑處理單元的結(jié)構(gòu)示意圖；
[0010] 圖4是投票表決模塊的結(jié)構(gòu)示意圖；
[0011] 圖5是本發(fā)明馬鈴薯病害診斷方法的流程圖。
[0012] 附圖標(biāo)記說明
[0013] 接收單元 1預(yù)處理單元 2
[0014] 區(qū)域分離模塊 21第一特征值提取模塊22
[0015] 染病部位分類模塊 23病斑處理單元 3
[0016] 病斑區(qū)域分割模塊 31第二特征值提取模塊32
[0017] 染病部位識別模塊 33 K均值分類器 331
[0018] 基于神經(jīng)網(wǎng)絡(luò)分類器332支持向量機(jī)分類器 334
[0019] 投票表決模塊 34。
【具體實(shí)施方式】
[0020] 為了進(jìn)一步說明本發(fā)明，下面結(jié)合實(shí)施例對本發(fā)明提供的雙螺塞螺釘進(jìn)行詳細(xì)地 描述，但不能將它們理解為對本發(fā)明保護(hù)范圍的限定。
[0021] 如圖1所示，本發(fā)明馬鈴薯病害診斷裝置包括接收單元1，用于接收來自移動終端 采集模塊采集的馬鈴薯的病害圖像；預(yù)處理單元2,用于對所述病害圖像進(jìn)行預(yù)處理，確定 染病部位；以及病斑處理單元3,用于對染病部位的圖像進(jìn)行處理，確定病斑種類及對應(yīng)的 防治措施。
[0022] 本發(fā)明馬鈴薯病害診斷裝置通過接收單元接收移動終端的采集模塊采集的馬鈴 薯病害圖像，可實(shí)現(xiàn)遠(yuǎn)程診斷；通過預(yù)處理單元對病害圖像進(jìn)行預(yù)處理初步確定染病部位， 進(jìn)一步由病斑處理單元精細(xì)處理，從而可確定病斑種類及對應(yīng)的防治措施，響應(yīng)迅速，準(zhǔn)確 度高。
[0023] 其中，所述移動終端可為安裝有馬鈴薯病害圖像采集應(yīng)用軟件的手機(jī)，由于手機(jī) 采集區(qū)域的限制，可獲取馬鈴薯完整葉片、塊莖等部位的圖像，以便于后續(xù)染病部位的判 別。
[0024] 如圖2所示，所述預(yù)處理單元2包括：區(qū)域分離模塊21，用于對所述病害圖像依次 進(jìn)行灰度化、閾值分割、二值化處理背景分離操作，獲取馬鈴薯的染病區(qū)域圖像；第一特征 值提取模塊22,用于根據(jù)所述染病區(qū)域圖像，分別提取染病區(qū)域特征值，其中，所述染病區(qū) 域特征值包括彩色特征和形狀特征的特征值；以及染病部位分類模塊23,用于分類計(jì)算所 述染病區(qū)域特征值，確定染病部位。
[0025] 其中，所述彩色特征的特征值為RGB圖像的G分量均值?？筛鶕?jù)如下公式統(tǒng)計(jì)病 害部位R、G、B分量的平均值：
[0031] 其中，Total為病害像素點(diǎn)的總數(shù)，N為病害圖像的像素點(diǎn)數(shù)，r稱為紅色分量均值 比，b稱為藍(lán)色分量均值比。環(huán)境光照強(qiáng)度的不同會導(dǎo)致R、G、B的變化幅度很大，因此以G 分量的均值為參照值，用R、B分量均值與G分量均值之比作為病害特征參數(shù)。
[0032] 形狀特征采用圓形度參數(shù)C來描述染病部位接近圓形的程度，根據(jù)公式：C = 4 π A/L2---公式⑥確定；其中，A為病斑面積，L為病斑周長。
[0033] C的取值范圍為[0，1]:當(dāng)面積相同時(shí)，染病部位光滑并且為圓形，則周長最短，此 時(shí)圓形度C取值最大為1 ;染病部位的外形越偏離圓形，其圓形度C的值越小。
[0034] 在本實(shí)施例中，所述染病部位分類模塊23為K均值分類器。將馬鈴薯染病部位的 彩色特征紅色分量均值比r、藍(lán)色分量均值比b、形狀特征圓形度參數(shù)C送入K均值分類器， 通過K均值分類器計(jì)算判斷染病部位是塊莖、莖蔓或者是葉片。
[0035] K均值分類器選擇標(biāo)準(zhǔn)塊莖、莖蔓和葉面樣本作通過歸一化處理，作為塊莖、莖蔓 和葉面的三類簇的中心。計(jì)算分類樣本到簇中心的距離并進(jìn)行聚類計(jì)算，之后更新簇中心 點(diǎn)坐標(biāo)，并進(jìn)行5次迭代，取最后一次迭代結(jié)果作為識別結(jié)果，從而確定染病部位。
[0036] 如圖3所示，所述病斑處理單元3包括：病斑區(qū)域分割模塊31，用于對染病部位 的圖像進(jìn)行灰度化處理、高斯濾波，根據(jù)處理后的染病部位的圖像計(jì)算圖像梯度幅值矩陣， 以及根據(jù)圖像梯度幅值矩陣確定病斑區(qū)域；第二特征值提取模塊32,用于根據(jù)所述病斑區(qū) 域，提取病斑特征值，其中，所述病斑特征值包括病斑區(qū)域的彩色特征、形狀特征以及紋理 特征的特征值；病害識別分類模塊33,用于分別根據(jù)所述病斑特征值確定對應(yīng)的病害分類 結(jié)果；以及投票表決模塊34,用于根據(jù)各所述病害識別分類器的權(quán)重因子以及確定的病害 分類結(jié)果投票確定病害種類。
[0037] 其中，病斑區(qū)域的彩色特征包括RGB顏色空間特征值和HSV顏色空間特征值。RGB 顏色空間特征值包括紅色分量均值比r、藍(lán)色分量均值比b，計(jì)算方法與公式①-⑤相同，在 此不再贅述。HSV顏色空間特征值包括H(Hue，色調(diào)）、S (Saturation，飽和度）、V (亮度）， 可根據(jù)彩色空間投影公式求解，在此不再贅述。
[0038] 病斑區(qū)域的形狀特征包括病斑圓形度C和離散指數(shù)。圓形度C計(jì)算與公式⑥相同。 離散指數(shù)P計(jì)算公式：P = L2/A，其中L為病斑周長，A為病斑面積。
[0039] 病斑區(qū)域的紋理特征為病斑的圖像反差、能量、熵、相關(guān)性。其中，
[0040] 圖像反差Con，又稱為對比度，用于反應(yīng)圖像的清晰度和紋理的溝紋深淺，可根據(jù) 如下公式確定圖像反差：
其中，i表示病斑像素的橫坐 標(biāo)，j表示病斑像素的縱坐標(biāo)。
[0041] 能量Asm，是灰度共生矩陣各元素值的平方和，用于反應(yīng)圖像灰度分布均勻程度和 紋理粗細(xì)度，可通過如下公式確定：
[0042] 熵Ent，是圖像包含信息量的隨機(jī)性度量?？筛鶕?jù)如下公式確定：
其中，熵值越大，圖像越復(fù)雜。
[0044] 相關(guān)性Corr，也稱為同質(zhì)性，用來度量圖像的灰度級在行或列方向上的相似程度， 可根據(jù)如下公式確定：
[0045] 對應(yīng)不同的染病部位，所述病害識別分類模塊33分為葉部病害分類器、莖蔓分類 器、塊莖病害分類器，且各所述病害識別分類模塊33均包括K均值分類器331、基于神經(jīng)網(wǎng) 絡(luò)分類器332及支持向量機(jī)分類器333。
[0046] 在確定染病部位后，