利索能及
我要发布
收藏
专利号: 2022110025917
申请人: 南通海扬食品有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2025-12-01
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,该方法包括:获得水稻的病害图像,同时基于病害图像获得病害HSV图像和病害二值图;根据病害二值图获得病害连通域和连通域的最小外接矩形,同时在HSV图像中获得相应的病害连通域和最小外接矩形,所述病害连通域对应一种病害;利用病害二值图中病害连通域周长、面积和最小外接矩形的面积获得病害连通域的矩形度和圆形度;

获得病害HSV图像中病害连通域的中心像素点,基于连通域内预设方向上像素点的色调值和像素点与中心像素点的距离获得病害连通域的颜色渐变度;获得病害HSV图像中病害连通域的最小外接矩形中绿色像素点的数量;绿色像素点的数量与最小外接矩形的面积的比值为病害连通域的颜色填充度;基于颜色渐变度和颜色填充度获得病害连通域的颜色因子;

将病害HSV图像中的最小外接矩形划分为灰白区域、黄褐区域和绿色区域,从灰白区域边缘开始经过黄褐区域到达绿色区域的最大纵向距离为病害连通域的坏死线长度;构建病害识别网络,输入病害连通域的矩形度、圆形度、颜色因子和坏死线长度,输出病害连通域的病害种类;

所述在HSV图像中获得相应的病害连通域和最小外接矩形包括:根据病害二值图中病害连通域的像素点的位置信息获得病害HSV图像中相同位置的病害连通域;

所述病害连通域的矩形度和圆形度为:

其中,表示病害连通域的圆形度;表示病害连通域的面积;表示病害连通域的周长;表示圆周率;表示最小外接矩形的长; 表示最小外接矩形的宽;

所述基于连通域内预设方向上像素点的色调值和像素点与中心像素点的距离获得病害连通域的颜色渐变度包括:获得以中心像素点为中心的预设尺寸的窗口,以窗口的边长为步长向预设方向移动,所述预设方向为以中心像素点为中心的窗口的正上方、正下方、水平向左和水平向右的方向;当窗口在其中一个方向上移动到病害连通域的边缘时,所有方向上的窗口停止移动;获得各方向上窗口停止移动时中心点的连线组成的多边形的面积;

获得各方向上窗口移动过程中,窗口内像素点的平均色调值和窗口中心点与中心像素点的距离的乘积的求和结果;求和结果与多边形的面积的比值为病害连通域的颜色渐变度;

所述颜色因子为:

其中,Y表示颜色因子;T表示颜色填充度;K表示颜色渐变度;

所述将病害HSV图像中的最小外接矩形划分为灰白区域、黄褐区域和绿色区域包括:基于病害HSV图像中的病害连通域的最小外接矩形中像素点的H、S、V值对最小外接矩形中的像素点进行聚类,将最小外接矩形划分为灰白区域、黄褐区域和绿色区域。

2.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述基于病害图像获得病害二值图包括:所述病害图像为RGB图像,利用OTSU算法获得病害图像的背景区域和前景区域,其中背景区域的像素点的像素值为第一预设值,前景区域的像素点的像素值为第二预设值。

3.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述病害连通域周长包括:获得病害连通域的边缘,利用八邻域边界跟踪算法获得连续有序的边缘坐标点序列;对边缘坐标点序列中相邻像素点的距离求和获得病害连通域的周长。

4.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述获得病害HSV图像中病害连通域的最小外接矩形中绿色像素点的数量包括;获得病害HSV图像中为绿色的像素点的H、S、V值的范围;当最小外接矩形中像素点的H、S、V值属于为绿色的像素点的H、S、V值的范围时,将该像素点标记为第三预设值;当像素点的H、S、V值中有一个不属于为绿色的像素点的H、S、V值的范围时,将该像素点标记为第一预设值;获得最小外接矩形中标记为第三预设值的像素点的数量,为绿色像素点的数量。

5.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述基于颜色渐变度和颜色填充度获得病害连通域的颜色因子包括:颜色渐变度和颜色填充度都与颜色因子成正相关关系。

6.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述病害连通域的坏死线长度包括:利用以中心像素点为中心的预设尺寸的窗口分别向上移动和向下移动,每次移动步长为一个像素点;在窗口向上移动过程中,选取窗口内最上方的像素点中色调值最大的像素点作为下个窗口的中心点;窗口向下移动过程中,选取窗口内最下方的像素点中色调值最大的像素点作为下个窗口的中心点;窗口向上和向下移动过程中,当窗口内像素点的平均色调值达到黄褐色时分别开始统计移动的步长,当窗口内像素点的平均色调值达到绿色时停止统计移动的步长,向上移动和向下移动统计的步长之和为最大纵向距离。

7.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法 ,其特征在于,所述构建病害识别网络包括:所述病害识别神经网络为全连接神经网络,训练数据为病害连通域的矩形度、圆形度、颜色因子和坏死线长度,标签为水稻病害的种类,损失函数为交叉熵损失函数;输入病害连通域的病害连通域的矩形度、圆形度、颜色因子和坏死线长度,输出水稻病害类型。