專利名稱：檢測油菜葉片邊緣受害蟲咬噬程度的方法
技術領域：
本發(fā)明涉及油菜蟲害程度檢測領域，尤其涉及一種檢測油菜葉片邊緣受害蟲咬噬程度的方法。
背景技術：
油菜是我國重要的經(jīng)濟作物，種植面積和產(chǎn)量均居世界首位。菜籽油是我國傳統(tǒng)的食用植物油，在國內(nèi)食用油市場一直占有重要的地位。全球植物油消費需求的增加對提高油菜產(chǎn)量提出了更高的要求。蟲害咬噬是直接影響油菜籽產(chǎn)量的重要原因之一，較直接有效的解決方法是噴灑農(nóng)藥。但是粗放型的作業(yè)方式往往會導致噴藥過量，造成浪費且污染環(huán)境。在噴藥作業(yè)前先檢測油菜的蟲害程度可以有效控制施藥量。通常根據(jù)害蟲咬噬葉片的面積來計算蟲害程度是一個有效的檢測蟲害的方法，但是傳統(tǒng)的計算方法只能檢測油菜葉片非邊緣部位受害蟲咬噬的情況(即閉合的蟲孔)，難以對邊緣部位的缺損(即開放的蟲孔)做出準確的判斷。因此，尋求一種準確判斷油菜葉片邊緣部位受蟲害咬噬情況的方
法具有重要意義。

發(fā)明內(nèi)容
本發(fā)明提供了一種檢測油菜葉片邊緣受害蟲咬噬程度的方法，解決了因無法判斷油菜葉片邊緣受害蟲咬噬情況而難以判斷蟲害程度的問題，大大提高了油菜葉片邊緣蟲害程度檢測的準確性。一種檢測油菜葉片邊緣受害蟲咬噬程度的方法，包括(1)取油菜葉片；(2)采集油菜葉片的單波段光譜圖像，用Sobel算子提取油菜葉片的邊緣曲線；(3)擬合得到邊緣曲線的連續(xù)函數(shù)方程，計算所述連續(xù)函數(shù)方程的反函數(shù)導數(shù)方程，繪制測試曲線，分析油菜葉片邊緣受害蟲咬噬程度。在采集油菜葉片的單波段光譜圖像時，一般將油菜葉片置于一定的背景中，在獲取邊緣曲線前一般需要將實際背景去除，選用閾值在1100 1200之間，摳除背景后可以對圖像進行二值化處理。步驟⑵中，所述的采集油菜葉片的單波段光譜圖像的光譜波長為350 1020nm ； 優(yōu)選地，所述的采集油菜葉片的單波段光譜圖像的光譜波長為700 730nm，可以獲得較為清晰的油菜葉片圖像；最優(yōu)選地，所述的采集油菜葉片的單波段光譜圖像的光譜波長為 714nm，此條件下油菜葉片邊緣輪廓最為清晰，便于后續(xù)檢測分析。所述的單波段光譜圖像的像素值經(jīng)過標準化處理獲得光譜反射值，用于后續(xù)的 Sobel算子提取。所述的Sobel算子為垂直Sobel算子，水平和垂直Sobel算子或45度角Sobel算子；優(yōu)選地，所述的Sobel算子為水平和垂直Sobel算子。Sobel算子是圖像處理算子之一，是常用的圖像邊緣檢測算子，所述的三種Sobel算子中，水平和垂直Sobel算子檢測出的邊緣多于單個方向上檢測出的邊緣，對油菜葉片邊緣信息提取的效果最佳。
所述的邊緣曲線擬合獲得連續(xù)函數(shù)方程的過程包括提取油菜葉片邊緣曲線在笛卡爾坐標系中的坐標，并轉換到極坐標中，極軸每旋轉0.5° 15.0°，在邊緣曲線上采一
個樣本點，同時得到相應的θ di = 0，1，2，......)，再將離散點轉換至笛卡爾坐標系，代入
如①所示參數(shù)方程中，利用軟件Matalab擬合得到參數(shù)方程系數(shù)α n和β n。在該參數(shù)方程中假設x，y均與θ呈線性關系，樣本點越多，擬合得到的方程越接近實際曲線，但采樣點多會導致計算量大，影響檢測速度。
χ=Σ θ"
“ ① m
y = TA『n
、n=0其中，m為大于η的自然數(shù)。通過公式②計算邊緣曲線的反函數(shù)導數(shù)，得到測試方程，在直角坐標系中繪制成測試曲線。D為邊緣曲線的測試因子，θ為極坐標下邊緣曲線每點的極角，測試曲線以θ為橫坐標，以D為縱坐標。理想狀態(tài)下，完整的油菜葉片邊緣曲線的測試曲線是平緩變化的，也就是說測試曲線理論上是平滑的。因此受害蟲咬噬之后，油菜葉片的測試曲線會出現(xiàn)相應的噪聲，即出現(xiàn)狹窄的凹凸峰，并且凹凸峰的數(shù)量以及幅值會隨咬噬程度變化。本發(fā)明方法通過單波段光譜圖像提取油菜葉片邊緣閉合曲線，再通過擬合，求解邊緣曲線反函數(shù)導數(shù)方程，獲得測試曲線；根據(jù)測試曲線的噪聲，分析油菜葉片邊緣受害蟲咬噬的部位及咬噬的程度，解決了以往難以對油菜葉片邊緣部位的缺損情況(即開放蟲孔)做出準確判斷的問題，以便后續(xù)有效控制農(nóng)藥的噴灑量。采用本發(fā)明方法，具有下述有益效果(1)操作方便快捷，能快速、準確地定位受害蟲咬噬的油菜葉片邊緣部位；(2)檢測結果不受油菜葉片大小或油菜葉片擺放位置的影響，大大提高了油菜葉片邊緣蟲害程度檢測的精度。


圖1為本發(fā)明方法檢測完整的油菜葉片所構建的邊緣曲線；圖2為圖1所檢測的完整的油菜葉片的測試曲線；圖3為本發(fā)明方法檢測被測的油菜葉片所構建的邊緣曲線；圖4為圖1所檢測的被測的油菜葉片的測試曲線。
具體實施例方式實施例油菜葉片邊緣受害蟲咬噬程度檢測(1)取完整的油菜葉片，采集波長范圍350 1020nm的高光譜圖像，選取波長714nm的單波段光譜圖像并摳除背景，選用閾值為1157 ；對光譜圖像的像素值進行標準化處理轉化為光譜反射值；用水平和垂直Sobel算子提取完整的油菜葉片的邊緣曲線(如圖 1所示)。 提取油菜葉片邊緣曲線在笛卡爾坐標系中的坐標，并轉換到極坐標中，極軸每旋
轉1°，在邊緣曲線上均勻采一個樣本點，同時得到相應的0,(1 = 0,1,2,......，359)，再
將離散點轉換至笛卡爾坐標系，將每一個點坐標值代入如①參數(shù)方程所示的參數(shù)方程，利用軟件Matalab擬合得到參數(shù)方程的系數(shù)Ci1^P β n，結果見表1。
權利要求
1.一種檢測油菜葉片邊緣受害蟲咬噬程度的方法，包括(1)取油菜葉片；(2)采集油菜葉片的單波段光譜圖像，用Sobel算子提取油菜葉片的邊緣曲線；(3)擬合得到邊緣曲線的連續(xù)函數(shù)方程，計算所述連續(xù)函數(shù)方程的反函數(shù)導數(shù)方程，繪制測試曲線，分析油菜葉片邊緣受害蟲咬噬程度。
2.根據(jù)權利要求1所述的方法，其特征在于所述的采集油菜葉片的單波段光譜圖像的光譜波長為350 1020nm。
3.根據(jù)權利要求2所述的方法，其特征在于所述的采集油菜葉片的單波段光譜圖像的光譜波長為700 730nm。
4.根據(jù)權利要求3所述的方法，其特征在于所述的采集油菜葉片的單波段光譜圖像的光譜波長為714nm。
5.根據(jù)權利要求1所述的方法，其特征在于所述的Sobel算子為垂直Sobel算子，水平和垂直Sobel算子或45度角Sobel算子。
6.根據(jù)權利要求5所述的方法，其特征在于所述的Sobel算子為水平和垂直Sobel算子。
全文摘要
本發(fā)明公開了一種檢測油菜葉片邊緣受害蟲咬噬程度的方法，包括(1)取油菜葉片；(2)采集油菜葉片的單波段光譜圖像，用Sobel算子提取油菜葉片的邊緣曲線；(3)擬合得到邊緣曲線的連續(xù)函數(shù)方程，計算所述連續(xù)函數(shù)方程的反函數(shù)導數(shù)方程，繪制測試曲線，分析油菜葉片邊緣受害蟲咬噬程度。本發(fā)明方法用于對油菜葉片邊緣受害蟲咬噬部位進行定位，操作方便，能快速、準確地定位缺損的油菜葉片邊緣，且檢測結果不受油菜葉片大小或油菜葉片擺放位置的影響，大大提高了油菜葉片邊緣蟲害程度檢測的精度。
文檔編號G01B11/24GK102353344SQ20111019391
公開日2012年2月15日 申請日期2011年7月12日 優(yōu)先權日2011年7月12日
發(fā)明者何勇, 劉飛, 趙蕓 申請人:浙江大學