[发明专利]一种基于计算机视觉的水稻病虫草害诊断方法

说明书

技术领域

本发明涉及一种基于机器视觉的实时诊断方法与系统，特别是一种基于计算机视觉的水稻病虫草害诊断方法。 

背景技术

随着信息科学技术的飞速发展，计算机视觉技术已涉及到植物病虫害识别诊断、杂草识别、种子质量检验、产品质量检测与分级等方面，并取得了一系列的成果。病虫害在作物整个生长期内都有发生，并且每年损失相当惊人，施用化学农药能够大大减轻农业损失，但不规范使用化学农药引起的“三致”问题、“三R”问题、农药残留、环境污染等负面影响逐渐显露出来。研究植物病虫害以及杂草自动检测与识别技术，开发视觉型智能控制系统，能够为精细施用化学农药提供计算机辅助支持，计算机视觉技术在植保领域的研究已成为当前研究的一个热点。 

计算机视觉是指用计算机实现人的视觉功能，对客观世界的三维场景感知、识别和理解。计算机视觉是一门综合性的学科，包括计算机科学和工程、信号处理、物理学、生物仿生学、应用数学、统计学、神经生理学和认知科学等。计算机视觉系统一般由CCD摄像机、计算机、图像采集卡等部分组成。摄像机将研究目标以图像的形式保存，图像采集卡将图像形式的信号数字化，利用计算机对数字信号进行进一步分析处理。 

在植物病害识别和防治中的应用近年来，计算机视觉技术逐渐在植物侵染性病害和流行性病害方面研究应用。对温室植物的角斑病和斑疹病从色度学角度进行了研究，结果表明，在色调(48～50)和(45～47)区间内，正常叶片与病变叶片区分效果最好。马德贵等检测水稻稻瘟病和水稻纹枯病发生程度时引入椭圆模型，用椭圆拟合稻瘟病单株最大病斑，将人工检测最大病斑的长度与计算拟合椭圆主轴长比较，分析两者相关性，结果显著；用椭圆拟合水稻纹枯病单株高度及病斑最高处距基部的距离，计算拟合两椭圆主轴长，利用两者之比检测水稻纹枯病发生程度，准确率达90％以上。马晓丹等研究了玉米叶部病害发生程度的计算方法，综合利用阈值法、区域标记法，通过图像分割、病斑统计、冗余去除、形状特征计算等过程验证了其可行性。陈兵旗等利用小波变换和纹理矩阵法研究小麦病害，病害图像诊断准确率达90％。赵聪慧等采用邻域平均法和中值滤波法对黄瓜霜霉病病斑图像进行平滑处理，结果验证了一阶微分在黄瓜霜霉病斑形状特征提取上的优势性。 

在农业昆虫识别和防治中的应用在昆虫形态学和昆虫生态学的基础上，利用计算机视觉技术以及人工神经网络农业害虫自动识别取得了一系列的研究进展。陈佳娟等根据棉花叶片 的孔洞和叶片边缘残缺程度，测定棉花虫害的发生程度。陈月华等研究了小麦虫害分割算法，训练了SVM分类器和基于k均值聚类的分类方法。运用合并与分裂相结合的区域生长算法分割小麦害虫和叶片，并自动识别。研究显示，该算法对小麦害虫的分割识别效果较好，准确率达90.7％。杨红珍等建立了基于Internet的远程昆虫识别系统，针对昆虫颜色特征值和形态特征值，建立了径向人工神经网络。对16种昆虫进行了测试，识别准确率达到96％。邱白晶等研究长翅灰飞虱图像区域划分时，利用形态学多结构方法构造了膨胀腐蚀型边缘检测算子，简化单个区域检测，并针对划分后的各个区域进行边缘检测，效果良好。竺乐庆等采用颜色直方图和双树复小波变换对昆虫图像进行识别，在100类鳞翅目昆虫的图像库中进行试验验证，该算法取得了76％的识别率，通过前翅识别率高达92％。 

发明内容

本发明的目的在于提供一种像素计算的机顶盒。本发明的目的之一是通过以下技术方案来实现的： 

一种像素计算的机顶盒，包括：电源供电单元、检查单元、解码单元、通信模块、处理器模块以及调制模块，其中，检查单元与解码单元相连，用于检查图像是否设置有全透明标记，所述全透明标记用于指示所述图像是全透明图片；检查单元检查到所述图片有全透明标记后，不解码所述图片；检查到图像无全透明标记后，对所述图片进行解码，得到位图数据，通信模块与计算数据解析模块相连，接收解码单元得到的位图请求计算的数据，输出至计算数据解析模块；计算数据解析模块与标记设置单元相连，用于在所述检查单元判断出所述图片是全透明图片后，给所述图片设置全透明标记；计算数据合并模块，接收通信模块输出的请求计算的数据，还与处理器模块相连，将请求计算的数据输出至处理器模块；处理器模块，与存储模块相连，根据接收的图像信息计算数据容量，还与计算数据分割模块相连，将图像信息输出至计算数据分割模块；计算数据合并模块，接收数据计算模块输出的子计算数据计算结果以及数据分割模块计算数据进行合并，将合并后的计算结果输出至通信模块。 

在检查单元检查出所述图片设置有全透明标记后包括：缩放单元，用于缩放所述图片。