[发明专利]一种作物叶部病害识别方法及系统

说明书

本发明提供一种作物叶部病害识别方法及系统，其中，所述方法包括：对作物叶部图像进行预处理，获取待识别图像；在RGB颜色空间上，提取所述待识别图像的颜色特征向量；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。本发明通过将待识别图像转化为颜色特征向量，使用多个分类器构成的分类器组合对问题特征向量进行识别，降低了对作物病害识别的难度，增强了识别精度，提升了识别效率。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种作物叶部病害识别方法及系统。

背景技术

作物病害是影响作物产量和质量的一个重要因素，对病害类型的准确识别是病害防治的前提。我国的主要蔬菜作物有黄瓜、西红柿、扁豆等，粮食作物有玉米、大豆等。随着工业的发展，我国的生态系统日渐薄弱，农作物的病害问题日益严重，病害种类繁多，分布广泛。因此，能够准确且快速的实现农作物病害识别，为农业劳作者提供有效的病害防治建议，成为农业科学工作中的重要研究方向。

传统的病害识别方法主要依靠植保专家的个人经验和病理学分析，通过肉眼观察的方式来识别作物叶部病害，存在实时性差、工作效率底、识别结果主观性强等问题，且往往会耽误病害防治，易造成农药的误用、滥用。近年来，随着计算机、数码技术的飞速发展，图像处理技术越来越多的被应用到农业工程领域。

为此，研究一种基于作物图像的叶部病害的识别方法，以实现对作物叶部病害的快速、准确、可靠的识别，为实现作物病害的及时防治、精准施药等提供基础和保证，是目前业界亟待解决的技术问题。

发明内容

为解决现有技术中对农作物病害识别实时性差，效率低下且识别精度不够高的问题，本发明提供一种作物叶部病害识别方法及系统。

根据本发明的一个方面，提供一种作物叶部病害识别方法，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。

其中，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。

其中，S21，将所述待测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，将所述待测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，将所述待测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将所述待测图像转化为由三元组t构成的特征向量。

其中，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。

其中，还包括建立作物病害图片为样本图像库；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。

其中，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。

其中，所述动态选择集成识别的步骤包括：