【技术实现步骤摘要】
本专利技术涉及农业病害检测领域，特别是一种基于图像处理与算法的柑橘黄龙病树木健康评估方法。
技术介绍
1、黄龙病是一种具有高度传染性和毁灭性的柑橘类植物病害，主要通过亚洲柑橘木虱传播。该病可导致柑橘树叶片发黄、果实畸形、产量减少，最终导致树木死亡。由于其病症复杂且进展缓慢，通常在果树外观发生明显病变时，病情已处于严重阶段。
2、现有技术中，通过人工观察柑橘树木外部症状(如叶片变黄、树冠稀疏等)判断黄龙病的感染情况，这种方式耗时费力，且评估结果容易受到外界因素(如光照、季节性叶片变化等)的干扰，准确性较低。此外，目前果园管理依赖的营养管理指南、植物生长调节剂和树干注射等手段，缺乏量化依据，难以判断管理措施是否有效。因此，需要一种智能、精准的技术手段，通过图像处理与数据分析结合，帮助种植者准确判断树木受到黄龙病的影响的程度及其健康状况。
技术实现思路
1、本专利技术提出一种基于图像处理技术与算法结合的柑橘黄龙病树木健康评估方法。通过对树木树冠进行定期拍摄，并使用图像处理软件分析树冠密度变化情况，结合算法判断树木健康状况，同时对判断柑橘树木早期是否患黄龙病具有一定作用。以提供一个科学的管理依据，帮助果园管理者确定是否继续保留或移除受到病害的柑橘树木。
2、本专利技术的目的采用如下技术方案实现：
3、1.数据采集
4、1.1树木选择与标记
5、在果园中选择若干棵代表性柑橘树木进行检测，这些树木应具有代表性。每棵树木需在树干与树冠边
6、1.2拍摄标准
7、采用智能手机或其他配备高质量摄像头的设备进行图像采集(所有条件相同)要求其具备高分辨率和良好的成像能力，以获取清晰、真实的图像数据。手机安装在自拍杆上，摄像头面朝树冠上方，距离树干和树冠边缘的中间区域拍摄。每次拍摄前确保相机镜头干净、画面清晰，避免图像模糊或光照过强影响数据分析。每棵树木应当定期拍摄照片(例如每一个月或三个月拍摄一次)，以保证健康状况的动态监控，并建立长时间的数据集用于分析；记录每次拍摄的时间、天气状况和土壤湿度等环境因素，以便后续分析时考虑这些影响因素。在拍摄前确保所用设备的设置一致，包括曝光时间、焦距、iso值等，保证在不同时间和条件下拍摄的图像具有可比性。采用标准化的拍摄流程，包括选择适当的拍摄角度、光照条件和拍摄高度，以减少外界因素对图像质量的影响；在每次拍摄前，对拍摄设备进行校准，以确保拍摄结果的一致性。
8、2.图像处理与分析
9、2.1图像预处理
10、图像预处理是图像分析前必不可少的步骤，其目的是将原始图像优化为适合算法处理的格式，以提高后续分析的准确性和可靠性。具体步骤包括去噪、颜色标准化、对比度增强、图像裁剪等。
11、2.1.1图像去噪
12、在拍摄图像时，环境光线变化、尘埃、摄像设备本身的噪声都会影响图像质量，因此需要首先去除这些噪声干扰。常用的图像去噪方法包括高斯滤波、中值滤波和双边滤波等。
13、高斯滤波：通过给图像施加一个高斯函数滤波器，平滑图像中细小的噪声点，同时保持较大的图像结构不被破坏。
14、中值滤波：对图像中的每个像素，取其邻域内像素值的中位数，适用于去除椒盐噪声。
15、双边滤波：不仅考虑像素点的空间邻近性，还考虑像素点的颜色相似性，从而保留边缘信息的同时去除噪声。高斯滤波的常见参数设置：
16、
17、其中，σ是滤波器的标准差，通常设定为1到2之间，以确保既能去噪又不会过度平滑细节。
18、2.1.2颜色标准化
19、由于不同时间段拍摄的光照条件不同，树木叶片的颜色在图像中可能出现较大偏差。因此，需对图像进行颜色标准化，使得不同时间、不同光照条件下的图像具有相对一致的色彩表现，确保后续分析的可比性。
20、白平衡调整：检测图像中的白色参考点，并调整图像的色温，使其接近真实的叶片颜色。
21、直方图均衡化：将图像的颜色分布拉伸，使得对比度增强，从而在各种光照条件下保持颜色的一致性。
22、2.1.3对比度增强
23、对比度增强的目的是突出树冠与背景之间的差异，以便后续的图像分割和边缘检测。常用的对比度增强方法是直方图拉伸，通过将图像的亮度范围拉伸至最大动态范围，使得暗部区域和亮部区域的差异更加明显。对比度增强的数学表达式为：
24、
25、其中，i(x,y)是原始图像的像素值，imin和imax分别是图像中的最小和最大亮度值。
26、2.1.4图像裁剪与调整
27、根据拍摄的标准，裁剪图像，使之仅保留树冠部分，确保不将无关的背景部分带入分析。
28、2.2树冠密度计算
29、树冠密度是反映树木健康状况的重要参数之一，通过计算单位面积内叶片所占的像素比例来量化树冠的茂密程度。树冠密度的计算经过以下几个步骤：
30、2.2.1图像分割
31、图像分割的目的是将树冠区域从背景中分离出来，提取出叶片所占的像素区域。常用的图像分割方法包括边缘检测、区域生长法、阈值分割法和基于深度学习的分割模型(如u-net)。
32、边缘检测(canny算法)：该算法通过检测图像中像素灰度值的梯度变化来找到图像中的边缘，适用于树冠与背景对比明显的图像。canny边缘检测的参数设置包括：
33、低阈值与高阈值：这两个阈值用于控制边缘检测的灵敏度，通常根据图像的亮度和对比度调整，典型值为30和100。
34、高斯滤波器的标准差：通常为1到2之间，以平滑图像中微小的噪声，同时保持边缘信息。
35、区域生长法：该算法通过从图像中的某个像素点开始，逐步向四周扩展区域，直到无法找到与种子点相似的像素为止。适用于树冠区域较为连贯的情况。
36、2.2.2二值化处理
37、分割完成后，将树冠区域与背景分离，背景像素设为0，树冠像素设为1。二值化处理的关键是选择合适的阈值。全局阈值可以根据图像的亮度直方图设定，或使用自适应阈值方法，使不同部分的图像能够根据局部对比度自适应调整。
38、2.2.3树冠密度计算公式
39、树冠密度的计算基于单位面积内树冠区域的像素数。具体公式如下：
40、
41、其中：ntree为树冠像素数；ntotal图像的总像素数；d为树冠密度，单位为百分比。
42、2.3健康评分生成
43、健康评分是通过综合多项图像特征(包括树冠密度、叶片颜色、形状、边缘等)生成的数值化指标，用于量化树木的整体健康状况。评分范围通常为0到100，其中0表示树木完全枯萎，100表示树木处于最佳健康状态。健康评分的生成涉及以下几个步骤：
44、2.3.1叶片颜色分析
45、叶片本文档来自技高网...
【技术保护点】
1.基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St2中图像去噪方法包括高斯滤波、中值滤波或双边滤波；其中高斯滤波参数设置为：
3.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St2中对比度增强处理方法为直方图拉伸，数学公式为：
4.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St3中树冠密度的计算基于单位面积内树冠区域的像素数，具体公式如下：
5.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St6中，通过加权公式生成最终的健康评分，公式如下：
6.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St7中计算树冠密度变化包括如下步骤:
7.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St7中计算健康评分趋势包括
8.如权利要求1或7所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤St7中计算健康评分趋势还包括绘制健康趋势图与分析：
9.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，在步骤St8中还包括管理建议规则的设定，该规则基于健康评分和树冠密度变化设定。
...【技术特征摘要】
1.基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤st2中图像去噪方法包括高斯滤波、中值滤波或双边滤波；其中高斯滤波参数设置为：
3.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤st2中对比度增强处理方法为直方图拉伸，数学公式为：
4.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在于，步骤st3中树冠密度的计算基于单位面积内树冠区域的像素数，具体公式如下：
5.如权利要求1所述的基于图像处理与算法的柑橘黄龙病树木健康评估方法，其特征在...
【专利技术属性】
技术研发人员：李贵节，王群娣，郭政，韩冷，程玉娇，余波，邓明雪，唐春麟，
申请(专利权)人：西南大学，
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。