[发明专利]一种基于数字视频的病虫害区目标定位方法在审
申请号: | 202310882338.3 | 申请日: | 2023-07-19 |
公开(公告)号: | CN116612192A | 公开(公告)日: | 2023-08-18 |
发明(设计)人: | 徐方彤 | 申请(专利权)人: | 山东艺术学院 |
主分类号: | G06T7/73 | 分类号: | G06T7/73;G06T7/11;G06T7/136;G06T7/194;G06T7/90;G06T5/00;G06T5/40;G06T5/50;G06V10/764 |
代理公司: | 烟台上禾知识产权代理事务所(普通合伙) 37234 | 代理人: | 苏红红 |
地址: | 250000 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 数字视频 病虫害 目标 定位 方法 | ||
1.一种基于数字视频的病虫害区目标定位方法,其特征在于,包括如下步骤:
步骤S1,松树林区数字视频采集:在无人机上安装双目相机,并利用双目相机采集检测林区的左目数字视频和右目数字视频;
步骤S2,分割林区数字视频,取时序标记的左目图像帧和右目图像帧;
步骤S3,林区图像帧预处理:对图像帧进行灰度化处理、几何变换和图像噪声过滤,进行图像增强处理和亮度均衡处理;
步骤S4,重合区域图像配准:找到图像中的重合区域,计算它们之间的变换关系,经过图像变换模型将图像对齐,并进行匹配点筛选和匹配点对的深度计算;
步骤S5,松材线虫病害林区目标识别:利用历史图像中松材线虫病害林区树木的特征,构建由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害林区目标特征向量,识别图像中与松材线虫病害林区目标特征向量相似度高的林区,并将图像中与松材线虫病害林区目标特征向量相似度高的林区标记为目标虫害区;
步骤S6,利用目标虫害区的深度信息获取目标的三维位置信息,生成目标虫害区的基于深度的描述子,获取目标虫害区的位置、面积大小和虫害状态信息。
2.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法,其特征在于,在步骤S5中,采集已知松材线虫病害林区的历史图像,对每张历史图像进行预处理,使用曲率计算方法获取每张历史图像中目标树木的弯曲度特征提取,对松材线虫病害的数目弯曲度特异性识别区域,基于松材线虫病害识别值进行识别,识别过程如下:
准备带有标签的训练样本:准备一组已知的松材线虫病害树木和健康树木的图像弯曲度特征,分别对训练样本中的树干区域进行等距分割,分割距离为0.8cm;
训练分类器区分松材线虫病害树木:对分类器中的初始识别函数设置为松材线虫病害识别值公式,获取松材线虫病害识别值的识别阈值区间,松材线虫病害识别值为发生病害的分割点数量与特异性病害位置曲率之和的乘积减去发生病害位置的最大外凸值,并引入修正因子,松材线虫病害识别值的公式为:
;
式中,为松材线虫病害识别值,为发生病害的分割点数量,为发生病害区域树干外轮廓分割点的序号,为发生病害区域连续出现的最大树干外轮廓分割点数目,为发生病害区域连续出现的第个分割点对应的曲率,为发生病害位置的最大外凸值,和均为修正因子,且满足和的取值均在[0,1]之间;
分类器的验证和优化:选择测试样本集,获取测试样本集中的松材线虫病害识别值,并将松材线虫病害识别值作为分类器的输入,并根据输出结果进行识别结果的准确度判断,不断更新和的数值,直至分类器的识别准确度最高。
3.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法,其特征在于,在步骤S5中,识别松材线虫病害林区树干颜色特征的过程包括如下步骤:
采集历史图像:获取松材线虫病害树干的图像,对图像进行预处理;
树干轮廓提取:使用阈值分割法将图像中松树树干区域从背景中分离;
统计树干区域颜色矩,构建树干颜色特征向量:提取树干区域颜色的平均值、标准差、偏度和峰值,获取树干颜色矩,构建四维颜色矩特征向量;
松材线虫病害树干颜色识别:准备包括松材线虫病害树干和健康树干四维颜色矩特征向量的训练样本,利用机器学习算法进行识别,将新的树干四维颜色矩特征向量输入分类器进行识别,并利用验证样本去验证训练模型的识别精度,优化更新模型中的参数;
输出具有识别特异性的树干四维颜色矩特征向量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东艺术学院,未经山东艺术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310882338.3/1.html,转载请声明来源钻瓜专利网。