【技术实现步骤摘要】
本申请涉及图像分割，具体涉及一种农业作物病虫害智慧检测方法及系统。
技术介绍
1、农业作物病虫害会导致大面积的农业作物减产和损失，传统的病虫害监测和控制方法通常需要大量的人力和时间，效率低下且容易受主观因素干扰。现有基于图像处理的农业作物表面虫害的相关技术逐渐普及。但在实际采集农业作物图像和检测病虫害的过程中，由于一些正常的农业作物图像与感染病害、虫害的农业作物图像差异较小，导致现有阈值检测法无法针对病虫害区域设置合适的阈值，容易出现病虫害误检、漏检问题，并且现有阈值检测结果未考虑已感染病虫害区域的传播特性，因此无法预知感染风险，使检测结果不具有较高的分析价值，不利于后续农业作物病虫害预防以及治理。
技术实现思路
1、本申请提供一种农业作物病虫害智慧检测方法及系统，以解决现有存在部分正常的农业作物与感染病虫害的农业作物之间差异较小，导致病虫害区域分割误差大，且识别结果无法预知感染风险的问题。
2、本申请的一种农业作物病虫害智慧检测方法及系统采用如下技术方案：
3、第一方面，本申请一个实施例提供了一种农业作物病虫害智慧检测方法，该方法包括以下步骤：
4、获取采集图像中的农业作物区域，获取农业作物区域所有像素点的灰度值；
5、将农业作物区域中任意一个像素点作为目标像素点，根据目标像素点领域范围内灰度值的信息熵，与目标像素点对应的所有邻域像素点在邻域像素点的邻域范围内的最大信息熵获取目标像素点的病虫害中心趋近率，根据邻域像素点与目标像素点的
6、将农业作物区域中除了目标像素点之外的其他所有像素点作为可疑像素点，根据目标像素点与可疑像素点的灰度值以及病虫害概率，得到可疑像素点对目标像素点的病虫害传播率，根据所有可疑像素点对目标像素点的病虫害传播率以及欧式距离得到目标像素点的感染影响程度；
7、利用目标像素点的病虫害概率以及感染影响程度对目标像素点的g通道显著值进行加权，得到目标像素点的病虫害显著值；利用分割算法基于所述病虫害显著值分割出病虫害区域。
8、优选的，所述获取农业作物区域所有像素点的灰度值，包括的具体步骤如下：
9、将农业作物区域的rgb图像转化为g通道图像，将像素点在g通道中的像素值称为灰度值。
10、优选的，所述获取目标像素点的病虫害中心趋近率，包括的具体步骤如下：
11、以目标像素点为圆心的半径为r的圆形范围内的所有像素点作为目标像素点的邻域像素点，r为预设数值；
12、
13、其中，i代表第i个目标像素点，代表第i个目标像素点的病虫害中心趋近率，v代表第v类邻域像素点，代表第v类邻域像素点的灰度值，代表第i个目标像素点的邻域范围内所有邻域像素点的类别数量，代表第v类邻域像素点在目标像素点邻域范围内的概率值，代表以自然常数为底的对数函数，代表当第i个目标像素点的所有邻域像素点所取邻域范围内的类别数量均为时的最大信息熵；代表以自然常数为底的对数函数。
14、优选的，所述根据邻域像素点与目标像素点的欧式距离得到每个邻域像素点的相似度权重参数，包括的具体步骤如下：
15、
16、其中，r代表第i个目标像素点邻域范围内第r个邻域像素点，代表第i个目标像素点的第r个邻域像素点的相似度权重参数，代表第i个目标像素点与第r个邻域像素点之间的欧式距离。
17、优选的，所述根据目标像素点的病虫害中心趋近率、每个邻域像素点的相似度权重参数以及每个邻域像素点与目标像素点的灰度梯度余弦相似度得到目标像素点的病虫害概率，包括的具体步骤如下：
18、
19、其中，代表第i个目标像素点的病虫害概率，代表第i个目标像素点的病虫害中心趋近率，h代表第i个目标像素点邻域范围内所有邻域像素点数量，代表第i个目标像素点的第r个邻域像素点的相似度权重参数占h个邻域像素点的相似度权重参数之和的比例，代表第i个目标像素点的灰度梯度，代表第r个邻域像素点的灰度梯度；代表第i个目标像素点灰度梯度与第r个邻域像素点灰度梯度的余弦相似度。
20、优选的，所述根据目标像素点与可疑像素点的灰度值以及病虫害概率，得到可疑像素点对目标像素点的病虫害传播率，包括的具体步骤如下：
21、
22、其中，代表第个目标像素点，代表第个可疑像素点，代表第个目标像素点的灰度值，代表第个可疑像素点的灰度值，代表第个目标像素点的病虫害概率，代表第个可疑像素点的病虫害概率，代表农业作物区域内的最小灰度值，代表农业作物区域内的最大灰度值，代表所有可疑像素点中的最小病虫害概率，代表所有可疑像素点中的最大病虫害概率，代表第个可疑像素点对第个目标像素点的病虫害传播率。
23、优选的，所述根据所有可疑像素点对目标像素点的病虫害传播率以及欧式距离得到目标像素点的感染影响程度，包括的具体步骤如下：
24、
25、其中，代表第i个目标像素点的感染影响程度，p代表除了第个目标像素点之外其他所有可疑像素点的数量，代表第个可疑像素点距离第个目标像素点的欧式距离，代表第个可疑像素点对于第i个目标像素点的感染权重参数, 代表p个可疑像素点对于第i个目标像素点的感染权重参数之和，代表第个可疑像素点对第个目标像素点的病虫害传播率，代表双曲正切函数。
26、优选的，所述利用目标像素点的病虫害概率以及感染影响程度对目标像素点的g通道显著值进行加权，得到目标像素点的病虫害显著值，包括的具体步骤如下：
27、统计农业作物区域内所有目标像素点的灰度值，并将每个不相等的灰度值作为一个灰度级，统计每种灰度级出现的概率；
28、计算每个目标像素点灰度值与每个灰度级对应灰度值之间差值的绝对值，将所述绝对值与每个灰度级出现的概率的乘积在所有灰度级上的累加结果作为每个目标像素点的g通道显著值；
29、将每个目标像素点的病虫害概率、感染影响程度与预设常数之和作为矫正权重，将矫正权重与每个目标像素点的g通道显著值的乘积作为每个目标像素点的病虫害显著值。
30、优选的，所述利用分割算法基于所述病虫害显著值分割出病虫害区域，包括的具体步骤如下：
31、将农业作物区域内每个目标像素点的病虫害显著值代替每个目标像素点的灰度值构建的单通道的待分割图像；
32、将待分割图像作为输入，利用大津阈值分割算法获取所有所述病虫害显著值的分割阈值，将所有病虫害显著值大于分割阈值的目标像素点形成的连通域作为农业作物区域内的病虫害区域。
33、第二方面，本申请实施例还提供了一种农业作物病虫害智慧检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算本文档来自技高网...
【技术保护点】
1.一种农业作物病虫害智慧检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述获取农业作物区域所有像素点的灰度值，包括的具体步骤如下：
3.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述获取目标像素点的病虫害中心趋近率，包括的具体步骤如下：
4.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据邻域像素点与目标像素点的欧式距离得到每个邻域像素点的相似度权重参数，包括的具体步骤如下：
5.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据目标像素点的病虫害中心趋近率、每个邻域像素点的相似度权重参数以及每个邻域像素点与目标像素点的灰度梯度余弦相似度得到目标像素点的病虫害概率，包括的具体步骤如下：
6.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据目标像素点与可疑像素点的灰度值以及病虫害概率，得到可疑像素点对目标像素点的病虫害传播率，包括的具体步骤如下：
7.根据权利要求
8.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述利用目标像素点的病虫害概率以及感染影响程度对目标像素点的G通道显著值进行加权，得到目标像素点的病虫害显著值，包括的具体步骤如下：
9.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述利用分割算法基于所述病虫害显著值分割出病虫害区域，包括的具体步骤如下：
10.一种农业作物病虫害智慧检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种农业作物病虫害智慧检测方法的步骤。
...【技术特征摘要】
1.一种农业作物病虫害智慧检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述获取农业作物区域所有像素点的灰度值，包括的具体步骤如下：
3.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述获取目标像素点的病虫害中心趋近率，包括的具体步骤如下：
4.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据邻域像素点与目标像素点的欧式距离得到每个邻域像素点的相似度权重参数，包括的具体步骤如下：
5.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据目标像素点的病虫害中心趋近率、每个邻域像素点的相似度权重参数以及每个邻域像素点与目标像素点的灰度梯度余弦相似度得到目标像素点的病虫害概率，包括的具体步骤如下：
6.根据权利要求1所述一种农业作物病虫害智慧检测方法，其特征在于，所述根据目标像素点与可疑像素...
【专利技术属性】
技术研发人员：彭佳，黄新红，胡伟，康莹莹，杨寿光，丁永平，李志强，
申请(专利权)人：奇翼软件技术大连有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。