[发明专利]一种作物叶部病害识别方法及系统

权利要求书

1.一种作物叶部病害识别方法，其特征在于，包括：

S1，对作物叶部图像进行预处理，获取待识别图像；

S2，在RGB颜色空间上，提取所述待识别图像的颜色特征向量；

S3，使用已训练和排序的单分类器组合，对所述颜色特征向量进行动态选择集成识别；

还包括对单分类器集合排序步骤，所述步骤包括：

将识别率最高的单分类器放在第一位；

选择与前一位分类器差异性最大的分类器放在后续位置，直至所述单分类器组合中所有分类器都进行排序；

所述动态选择集成识别的步骤包括：

将所述颜色特征向量输入到已排序好的单分类器组合的第一个分类器中，若识别结果的可信度大于预设阈值时，则输出识别结果；

若识别结果未达到预设阈值，则将所述颜色特征向量依次输入到后续分类器，并对入选的分类器进行集成，保存集成识别结果直至识别结果的可信度大于预设阈值的时候，输出识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对作物叶部图像进行预处理的步骤具体为：首先对作物叶部图像进行归一化处理，再利用水平集算法提取所述作物叶部图像中的叶片部位图像，最后提取叶片内最大的内接矩形区域，作为待识别图像。

3.根据权利要求1所述的方法，其特征在于，提取所述待识别图像的颜色特征的步骤具体为：

S21，将所述待识别图像沿水平方向和垂直方向对其进行切分，获得M×N个大小相等的子图像，将所述待识别图像划分成一个由子图像构成的集合；

S22，对每一个子图像，计算所述子图像在R、G、B颜色通道上的颜色值的平均值，构成子图像三元组

S23，将所述待识别图像转化为由所述子图像三元组构成的矩阵：

根据矩阵M_I将所述待识别图像转化为由三元组t构成的特征向量。

4.根据权利要求1所述的方法，其特征在于，所述单分类器采用Bp神经网络或其他单分类器，当采用其它单分类器时，通过可信度转换方法，将单分类器的输出值转到[0,1]上的可信度再进行计算。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3前还包括：

建立作物病害图片样本图像库；

提取样本库中每一张作物病害图片的颜色特征，对单分类器集合进行有监督的训练。

6.根据权利要求1所述的方法，其特征在于，所述动态选择集成识别的步骤还包括：

当经过所有的分类器进行集成识别后，识别结果的可信度小于预设阈值时，则对每一个分类器的识别结果进行投票，将得票最多病害类别作为最终识别结果并输出。

7.一种作物叶部病害识别系统，其特征在于，包括：

图像预处理模块，用于对作物叶部图像进行预处理，获取待识别图像；

颜色特征识别提取模块，用于提取所述待识别图像的颜色特征向量；

病害识别模块，用于使用已训练和排序的单分类器组合，对所述颜色特征向量进行动态选择集成识别；

所述病害识别模块还用于对单分类器集合排序，包括：

将识别率最高的单分类器放在第一位；

选择与前一位分类器差异性最大的分类器放在后续位置，直至所述单分类器组合中所有分类器都进行排序；

所述病害识别模块中动态选择集成识别具体包括：将所述颜色特征向量输入到已排序好的单分类器组合的第一个分类器中，若识别结果的可信度大于预设阈值时，则输出识别结果；

若识别结果未达到预设阈值，则将所述颜色特征向量依次输入到后续分类器，并对入选的分类器进行集成，保存集成识别结果直至识别结果的可信度大于预设阈值的时候，输出识别结果。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1到6中任一所述的方法的步骤。