[发明专利]一种植物病害诊断方法、装置及存储介质

说明书

本发明提供了一种植物病害诊断方法、装置及存储介质，涉及农作物病害诊断技术领域。所述植物病害诊断方法首先采集待诊断植物的图像，然后基于植物种类特征库以及所述图像，利用支持向量机判别算法确定所述待诊断植物的植物种类，再确定所述植物种类对应的病害特征库，并基于所述图像和所述病害特征库，利用支持向量机判别算法获取所述待诊断植物的病害诊断结果。所述植物病害诊断方法基于支持向量机判别算法对植物种类和待诊断植物的病害特征进行自动判别，快速、准确地确定待诊断植物的植物种类以及其病害特征对应的病害诊断结果，提高了植物病害判别效率，降低了人工成本。

技术领域

本发明涉及农作物病害诊断技术领域，具体而言，涉及一种植物病害诊断方法、装置及存储介质。

背景技术

随着经济水平和人口数量的迅速增长，人们对农作物的产出速率提出了更高的要求。农作物在生长过程中，经常会由于细菌、真菌或病毒的原因患病。其中，许多病害是通过根、茎、叶或果实侵染农作物，会在农作物的根、茎、叶或果实的表面留下病害痕迹特征，有经验的农作物研究人员或种植人员能够根据所述病害痕迹特征判断农作物所受病害的类型，从而迅速对该病害进行防治，防止病害成都的加剧和病害范围的扩大。

但是利用人工实地观察对病害进行诊断需要耗费大量的人力物力，同时还需要病害诊断人员具备极高的专业知识，并且病害诊断人员在进行诊断时可能会因为病害痕迹特征不明显等原因而使诊断效率低下。

发明内容

有鉴于此，本发明实施例的目的在于提供一种植物病害诊断方法、装置及存储介质，以解决人工诊断病害方法存在的上述问题。

第一方面，本发明实施例提供了一种植物病害诊断方法，所述植物病害诊断方法首先采集待诊断植物的图像，然后基于植物种类特征库以及所述图像，利用支持向量机判别算法确定所述待诊断植物的植物种类，再确定所述植物种类对应的病害特征库，并基于所述图像和所述病害特征库，利用支持向量机判别算法获取所述待诊断植物的病害诊断结果。

综合第一方面，在所述利用支持向量机判别算法确定所述待诊断植物的植物种类之前，所述植物病害诊断方法还包括：对所述图像进行灰度处理将所述图像黑白化；对黑白化的所述图像进行像素分布特征提取。

综合第一方面，在所述利用支持向量机判别算法确定所述待诊断植物的植物种类之前，所述植物病害诊断方法还包括：采集各种类植物图像以及各种类植物的各种类病害图像，基于支持向量机判别算法建立植物种类特征库和各植物种类对应的病害特征库。

综合第一方面，所述利用支持向量机判别算法确定所述待诊断植物的植物种类，包括：采用连续最小优化算法确定最优二次规划，利用支持向量机判别算法根据所述最优二次规划确定所述待诊断植物的植物种类。所述利用支持向量机判别算法获取所述待诊断植物的病害诊断结果，包括：采用连续最小优化算法确定最优二次规划，利用支持向量机判别算法根据所述最优二次规划确定所述待诊断植物的植物种类。

综合第一方面，所述基于支持向量机判别算法建立植物种类特征库和各植物种类对应的病害特征库，包括：采用连续最小优化算法确定最优二次规划，利用支持向量机判别算法根据所述最优二次规划确定所述待诊断植物的植物种类。

综合第一方面，在所述利用支持向量机判别算法获取所述待诊断植物的病害诊断结果之后，所述植物病害诊断方法还包括：基于所述图像以及所述病害诊断结果对所述植物种类对应的病害特征库进行更新。

第二方面，本发明实施例提供了一种植物病害诊断装置，所述植物病害诊断装置包括图像采集模块、种类确定模块和诊断模块。所述图像采集模块用于采集待诊断植物的图像。所述种类确定模块用于基于植物种类特征库以及所述图像，利用支持向量机判别算法确定所述待诊断植物的植物种类。所述诊断模块用于确定所述植物种类对应的病害特征库，并基于所述图像和所述病害特征库，利用支持向量机判别算法获取所述待诊断植物的病害诊断结果。