[发明专利]一种大豆病虫害的有效鉴定方法

权利要求书

1.一种大豆病虫害的有效鉴定方法，其特征在于，方法步骤如下：

步骤1、大豆器官图像的标准化获取

对不同生长期内受病虫害影响的大豆进行标准化图像的获取，涉及对受病虫害影响的大豆植株的叶片部分、根系部分和籽粒部分的标准化图像的获取；

步骤2、大豆器官图像的标准化处理

对不同生长期内大豆器官图像获取的标准化照片进行几何畸变校正，去除拍摄过程对照片带来的几何形变，并针对不同的器官图像选择统一的尺寸进行裁剪操作，包括大豆植株的叶片标准化图像、根系标准化图像、籽粒标准化图像；

步骤3、大豆病虫害鉴定参数的获取

本步骤涉及对不同生长期内，受病虫害影响的大豆器官特征参数的提取，包括对大豆叶片特征参数的获取、大豆根系特征参数的获取、大豆籽粒特征参数的获取，具体方法如下：对受病虫害影响的大豆植株在开花期、结荚期、鼓粒期及成熟期的4个大豆关键生长期获取的叶片标准化图像进行进一步处理，针对每个带鉴定病虫害类型的大豆叶片标准化图像提取相应的特征参数，对于某一特定生长期内受到待鉴定病虫害影响大豆植株的叶片，为去除样本间特征参数提取结果的异质性，选择20个植株，每个植株随机选择一个叶片的标准化彩色图像，提取叶片标准化彩色图像的红、绿、蓝三个分量的图像矩阵R(x,y)，G(x,y)，B(x,y)，然后对三个分量按公式F(x,y)＝R(x,y)/3+G(x,y)/3+B(x,y)/3将叶片的标准化彩色图像转换为灰度图，对灰度图进行直方图统计，找到大豆叶片绿色部分和受病虫害影响的变色部分两个灰度部分峰值间的频数最低点对应的灰度值t1，将灰度大于阈值t1的所有像元亮度值设为0，灰度小于阈值t1的多有像元亮度值设为1，实现将灰度图转化为二值图；根据叶片图像宽度对应的像元个数值w1和叶片图像对应植株的测量结果w1’厘米，计算每个像元的实际边长z1＝w1’/w1厘米，每个像元的实际面积则为z1²平方厘米，根据像元的实际边长z1厘米、像元的实际面积z1²平方厘米，以及每个斑点不同参数提取结果对应的像元数，计算该特定生长期内待鉴定的受病虫害植株叶片特征参数的均值，包括待鉴定病虫害植株叶片斑点面积比值a1、待鉴定病虫害植株叶片斑点个数值a2，待鉴定病虫害植株叶片斑点面积值a3，待鉴定病虫害植株叶片斑点周长值a4；再次对受病虫害影响植株灰度图进行直方图统计从而进一步提取受病虫害影响叶片的整体形态特征，找到大豆叶片和背景色两个灰度部分峰值间的灰度级频数最低点对应的灰度值t1’，将灰度大于阈值t1’的所有像元亮度值设为0，将灰度小于t1’的所有像元亮度值设为1，实现对大豆整体叶片的二值化处理，根据叶片二值图提取叶片长轴对应的像元数和短轴对应的像元数计算该特定生长期待鉴定病虫害植株叶片长宽比a5和该特定生长期待鉴定病虫害植株叶片椭圆率a6；

对于某一特定生长期内受病虫害影响大豆植株的根系，为去除样本间指标参数提取结果的异质性，选择20个植株的根系标准化图像，提取叶片彩色图像的红、绿、蓝三个分量的图像矩阵R(x,y)，G(x,y)，B(x,y)，对三个分量按公式F(x,y)＝R(x,y)/3+G(x,y)/3+B(x,y)/3将彩色叶片图像转换为灰度图，对根系灰度图像进行直方图统计，找到大豆根系和背景色两个灰度部分峰值间的灰度级频数最低点对应的灰度值t2，将灰度大于阈值t2的所有像元亮度值设为0，将灰度小于t2的所有像元亮度值设为1，实现将根系灰度图转换为二值图，根据根系图像宽度对应的像元个数值w2和根系图像对应植株的测量结果w2’厘米，计算每个像元的实际边长z2＝w2’/w2厘米，每个像元的实际面积则为z2²平方厘米，根据像元的实际边长z2厘米、像元的实际面积z2²平方厘米，以及受病虫害影响的植株根系不同参数提取结果对应的像元数，计算该特定生长期待鉴定病虫害植株根系面积值b1，待鉴定病虫害植株根系根瘤个数值b2，根据灰度图计算该特定生长期内待鉴定的受病虫害植株根系纹理特征参数的均值，根系纹理特征参数的具体计算过程如下，根据公式1计算待鉴定病虫害植株根系对比度纹理特征值b3，根据公式2待鉴定病虫害植株根系一致性纹理特征值b4，根据公式3待鉴定病虫害植株根系熵值纹理特征值b5，根据公式4待鉴定病虫害植株根系能量纹理特征值b6，

其中，p(i,j)表示由根系灰度图像计算的灰度共生矩阵在第i行，第j列位置上的值，表示根系灰度图像中灰度级为i的像元和灰度级为j的像元在固定的方向和像元间隔下同时出现的概率，n为根系灰度图像中i和j两个灰度级的差异，Ng表示根系灰度图像提取的灰度共生矩阵的级数；

对于某一特定生长期内受病虫害影响大豆植株的籽粒，为去除样本间指标参数提取结果的异质性，选择20个植株，提取每个植株籽粒彩色籽粒图像的红、绿、蓝三个分量的图像矩阵R(x,y)，G(x,y)，B(x,y)，对三个分量按公式F(x,y)＝R(x,y)/3+G(x,y)/3+B(x,y)/3将彩色籽粒图像转换为灰度图，对灰度图进行直方图统计找到大豆籽粒部分和试验台背景部分两个灰度部分峰值间的频数最低点对应的灰度值t3，将灰度大于阈值t3的所有像元亮度值设为1，灰度小于阈值t3的多有像元亮度值设为0，实现将籽粒灰度图转化为二值图，根据受病虫害影响的籽粒图像宽度对应的像元个数值w3和根系图像对应植株的测量结果w3’厘米，计算每个像元的实际边长z3＝w3’/w3厘米，每个像元的实际面积则为z3²平方厘米，根据像元的实际边长z3厘米、像元的实际面积z3²平方厘米，以及受病虫害影响的植株籽粒不同参数提取结果对应的像元数，计算该特定生长期内待鉴定的受病虫害植株籽粒特征参数的均值，包括待鉴定病虫害植株籽粒个数值c1，待鉴定病虫害植株籽粒面积值c2，待鉴定病虫害植株籽粒周长值c3，待鉴定病虫害植株籽粒长宽比值c4，待鉴定病虫害植株籽粒曲率值c5，待鉴定病虫害植株籽粒椭圆率值c6

步骤4、大豆病虫害种类数据库的建立

利用已知的不同种类大豆病虫害影响下的大豆植株特征图谱建立数据库，在数据库中对每种病虫害影响下大豆植株在不同生长期下，对步骤3中所涉及的各类特征参数进行提取和保存，根据病虫害种类的差异及其对植株影响的差异对不同的特征参数赋予不同的权重，根据特征参数的提取结果建立病虫害种类的判别模型；

步骤5、大豆病虫害的识别和鉴定

利用数据库中不同生长期下，受到不同种类大豆病虫害影响的植株特征参数以及数据库中的病虫害种类的判别模型对实际受影响的大豆病虫害种类的识别和鉴定，根据待鉴定的大豆植株的特征参数提取结果与数据库中已有的每种病虫害下植株的特征参数进行对比计算，最后利用待鉴定大豆植株的特征参数的判别模型计算结果与每种病虫害下植株的判别模型计算结果进行对比计算和匹配，从而实现对大豆病虫害类型的识别和鉴定。