[发明专利]番茄灰霉病程度识别方法及装置

说明书

本发明提供一种番茄灰霉病程度识别方法及装置方法及装置，该方法包括：获取番茄叶片待检测区域多个特征波段的光谱数据；将所述多个特征的波段光谱数据输入预设的极限学习机ELM模型，输出番茄灰霉病程度的检测结果；其中，所述极限学习机模型，根据多个已知番茄灰霉病程度的样本，以灰霉病程度作为标签相同的多个特征波段作为输入训练后得到。该方法通过多个特征波段光谱数据输入预设的ELM模型，输出番茄灰霉病程度的检测结果，无需在肉眼能观察到病斑以后进行实验，可实现灰霉病潜育期的快速诊断。

技术领域

本发明涉及农业信息化领域，尤其涉及一种番茄灰霉病程度识别方法及装置。

背景技术

植物病害是农业面临的一大挑战，严重影响作物生长，造成巨大经济损失。对作物病虫害进行准确、快速的识别定位，有助于病虫害早期防治，减少经济损失。传统上依靠专家经验判断作物病害的发病程度，依靠肉眼进行病害特征识别，常常导致误诊。农作物病害种类繁多，且病害分级不易，很难将叶片染病情况量化，但在防治方面需要根据病情进行不同处理。在农业实际生产过程中，传统的病害检测方法已不能满足大规模种植的需要，而且由于诊断效率低、病害传播快，植物往往会错过最佳防治期。

灰霉病是目前影响蔬菜生产的主要病害之一，它对大部分的植物有极大的破坏作用。灰霉菌遍布世界各地，且可以感染几乎所有的植物，同时灰霉菌会引起早期潜伏感染从而在果实成熟前产生破坏。我国是番茄的主要生产和消费国家，番茄种植广泛，灰霉病是番茄常见病害之一，在农业实际生产过程中，农业专家往往不能给农民提供及时的帮助，导致灰霉病治理不及时引起的品质下降和产量减少，严重影响了番茄种植的经济效益。因此，以番茄为研究对象，围绕研究番茄灰霉病的早期检测关键技术，尝试快速准确及时地获取番茄灰霉病的感染状况，构建预测预报系统，为变量施药决策系统的实施提供决策支持有十分重要的意义。

目前利用计算机无损检测技术对植物病害进行检测主要包括计算机视觉技术。计算机视觉技术检测作物病害时，要全面了解掌握作物叶片受害的相关特征信息，一般是通过提取RGB图像或者某一波长下灰度图像，提取颜色、形态、纹理等特征变量进行分析，这就需要在肉眼能观察到病斑以后进行实验，利用植物叶片在显症之后面积角度的病斑或枯斑与非显症部分进行分割，在未显症之前根本无法判别，假设叶片尚处于发病前的潜伏期，那么基于视觉图像类的技术手段无法实现早期诊断。

发明内容

针对现有技术存在的问题，本发明提供一种番茄灰霉病程度识别方法及装置。

本发明提供一种番茄灰霉病程度识别方法，包括：获取番茄叶片待检测区域多个特征波段的光谱数据；将所述多个特征波段的光谱数据输入预设的极限学习机ELM模型，输出番茄灰霉病程度的检测结果；其中，所述ELM模型，根据多个已知番茄灰霉病程度的样本，以灰霉病程度作为标签，以所述多个特征波段作为输入训练后得到。

根据本发明一个实施例的番茄灰霉病程度识别方法，所述获取番茄叶片待检测区域多个特征波段的光谱数据之前，包括：获取番茄叶片样本的预设波段范围的光谱数据；对所述预设波段范围的光谱数据进行预处理后，基于CARS算法进行特征波段提取，得到所述多个特征波段。

根据本发明一个实施例的番茄灰霉病程度识别方法，所述对所述预设波段范围的光谱数据进行预处理，包括：根据小波变换滤波，对所述光谱数据进行预处理。

根据本发明一个实施例的番茄灰霉病程度识别方法，所述基于CARS算法进行特征波段提取，包括：基于CARS进行多次特征波段提取，每次提取过程中，以交叉验证均方根误差最小确定变量个数；将多次提取的特征波段进行合并去除重复项，得到所述多个特征波段。

根据本发明一个实施例的番茄灰霉病程度识别方法，所述将所述多个特征波段的光谱数据输入预设的ELM模型之前，还包括：将ELM模型的输入权值和隐含层阈值编码成教与学算法的个体，初始化班级；根据EML算法识别率达到最大或稳定确定对应目标函数进行寻优，并将最优个体对应的权值和阈值作为所述ELM模型的权值和阈值。