基于图像处理的番茄病虫害智能检测方法

本发明涉及图像处理，具体涉及基于图像处理的番茄病虫害智能检测方法。

背景技术：

1、番茄常见的病害有枯萎病、病毒病、白粉病等，常见的虫害有蚜虫、棉铃虫、茶黄螨等。在对番茄植株进行病虫害检测时，一般可以在番茄植株地进行均匀采样，采集番茄植株的叶子，分析番茄是否存在病虫害。由于番茄植株是否存在病害在叶子上有明显的颜色差异，并在饱和度上差异很大，所以现有技术一般采用hsi颜色空间，并且结合glcm矩阵检测番茄是否存在病虫害。

2、采集叶子受光照和灰尘影响，在正常区域中也会存在异常的色调，无法直接通过色调得到叶子是否存在病虫害。

技术实现思路

1、本发明提供基于图像处理的番茄病虫害智能检测方法，以解决现有的问题。

2、本发明的基于图像处理的番茄病虫害智能检测方法采用如下技术方案：

3、本发明一个实施例提供了基于图像处理的番茄病虫害智能检测方法，该方法包括以下步骤：

4、采集番茄叶子图像，获取番茄叶子图像的灰度图，根据灰度图得到二值图；

5、获取番茄叶子图像中每个像素点的色调，根据每个像素点的色调获取番茄叶子图像中的正常像素点和异常像素点，根据番茄叶子图像异常像素点获取番茄叶子图像中的异常区域；对异常区域中的像素点根据色调进行不同k值的聚类，获取不同k值聚类下对应的评估指标，根据不同k值聚类下对应的评估指标得到最佳k值，根据最佳k值进行聚类得到最佳聚类结果；

6、获取二值图中的所有连通域，获取每个连通域的面积，对每个连通域进行凸包检测得到每个连通域凸包检测后的面积，根据每个连通域的面积和每个连通域凸包检测后的面积得到每个连通域的纹理密度；

7、获取最佳聚类结果中每个类别的灰度共生矩阵，根据每个类别的灰度共生矩阵和像素点的灰度值得到每个类别的纹理清晰度；获取完全在类别中的连通域，记为标记连通域；根据每个类别的纹理清晰度得到每个标记连通域的纹理清晰度，根据每个连通域的纹理密度得到每个标记连通域的纹理密度；

8、根据每个标记连通域的纹理密度和纹理清晰度得到每个标记连通域的评价指标，根据每个标记连通域的评价指标得到番茄叶子的病虫害区域，根据番茄叶子的病虫害区域得到整个番茄植株的病虫害情况。

9、进一步地，所述根据每个像素点的色调获取番茄叶子图像中的正常像素点和异常像素点，包括的具体步骤如下：

10、预设色调范围，将像素点的色调处于色调范围内的像素点记为正常像素点，将像素点的色调处于色调范围之外的像素点记为异常像素点。

11、进一步地，所述获取不同k值聚类下对应的评估指标，包括的具体步骤如下：

12、将同一类别中出现相同色调的像素点，记为标记像素点，对类别中的标记像素点进行排除，排除之后，将剩余的像素点记为剩余像素点；

13、计算类别个数为k的聚类结果中任意两个类别中任意剩余像素点之间色调h差值的绝对值，当任意两个剩余像素点之间色调差值的绝对值小于预设差异阈值hd时，则设置的累加器g加1，然后得到所有类别中每两个类别之间的最终累加器的值g；

14、将类别个数为k的聚类结果中的所有类别进行两两类别组合，两两类别组合的个数记为n，获取这n个组合中的第i个组合，第i个组合中的两个类别分别记为第一类别和第二类别，第一类别中的剩余像素点与第二类别中剩余像素点进行两两组合，得到这个组合个数记为，类别个数为k的聚类结果中剩余像素点中的组合个数的累加和记为c，则；

15、计算所有类别中每两个类别之间的最终累加器的值g与剩余像素点组合个数的累加和之间的比值，记为类别个数为k的聚类结果的评估指标，用表示。

16、进一步地，所述根据不同k值聚类下对应的评估指标得到最佳k值，包括的具体步骤如下：

17、选取评估指标最小时对应的k值为最佳k值。

18、进一步地，所述每个连通域的纹理密度的具体获取步骤如下：

19、每个连通域的纹理密度的公式为：

20、

21、式中，表示第r个连通域的面积，表示第r个连通域凸包检测后的面积，表示第r个连通域的纹理密度。

22、进一步地，所述每个类别的纹理清晰度的具体获取步骤如下：

23、每个类别的纹理清晰度的公式为：

24、

25、式中，表示在第t个类别中第i个异常像素点的灰度值；表示在第t个类别中与第i个异常像素点相邻的第j个像素点的灰度值；将第t个类别中第i个异常像素点和第t个类别中与第i个异常像素点相邻的第j个异常像素点的灰度级组合记为目标组合，表示第t个类别中目标组合的个数和第t个类别中所有相邻像素点灰度级组合的个数的比值，即目标组合在第t个类别中的频率，表示第t个类别的纹理清晰度，k表示对应类别中的异常像素点个数，8为以第i个异常像素点为中心像素点的八邻域。

26、进一步地，所述根据每个类别的纹理清晰度得到每个标记连通域的纹理清晰度，包括的具体步骤如下：

27、每个类别中的标记连通域的纹理清晰度等于对应类别的纹理清晰度。

28、进一步地，所述每个标记连通域的评价指标的具体获取步骤如下：

29、每个标记连通域的评价指标的公式为：

30、

31、式中，表示第r个标记连通域的纹理密度，表示在异常区域中所有标记连通域的纹理密度的均值，表示第r个标记连通域的纹理清晰度，表示在异常区域中所有标记连通域的纹理清晰度的均值，z表示在异常区域中所有标记连通域的数量，表示异常区域中第r个标记连通域的评价指标。

32、进一步地，所述根据每个标记连通域的评价指标得到番茄叶子的病虫害区域，包括的具体步骤如下：

33、获取标记连通域的评价指标小于0时对应的所有标记连通域记为番茄叶子的病虫害区域。

34、进一步地，所述根据番茄叶子的病虫害区域得到整个番茄植株的病虫害情况，包括的具体步骤如下：

35、计算每个番茄叶子中病虫害区域的面积占整个番茄叶子的面积的比重，记为番茄叶子的病虫害率，计算番茄植株中所有番茄叶子的病虫害率的均值记为bb；当番茄植株中所有番茄叶子的病虫害率的均值bb大于等于预设比重阈值bb，则番茄植株受病虫害的影响。

36、本发明的技术方案的有益效果是：通过正常叶子色调范围找到叶子的异常区域，减少glcm算法的计算量。利用叶脉纹理的方向及纹理较深的特点，并针对病虫害导致的无规则纹理特点，得到二者对异常区域是否存在病虫害的影响，以此构建病虫害程度公式准确得到番茄植株叶片是否存在病虫害。

技术特征：

1.基于图像处理的番茄病虫害智能检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述根据每个像素点的色调获取番茄叶子图像中的正常像素点和异常像素点，包括的具体步骤如下：

3.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述获取不同k值聚类下对应的评估指标，包括的具体步骤如下：

4.根据权利要求3所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述根据不同k值聚类下对应的评估指标得到最佳k值，包括的具体步骤如下：

5.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述每个连通域的纹理密度的具体获取步骤如下：

6.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述每个类别的纹理清晰度的具体获取步骤如下：

7.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述根据每个类别的纹理清晰度得到每个标记连通域的纹理清晰度，包括的具体步骤如下：

8.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述每个标记连通域的评价指标的具体获取步骤如下：

9.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述根据每个标记连通域的评价指标得到番茄叶子的病虫害区域，包括的具体步骤如下：

10.根据权利要求1所述基于图像处理的番茄病虫害智能检测方法，其特征在于，所述根据番茄叶子的病虫害区域得到整个番茄植株的病虫害情况，包括的具体步骤如下：

技术总结
本发明涉及图像处理领域，具体涉及基于图像处理的番茄病虫害智能检测方法，包括：采集番茄叶子图像，获取灰度图和二值图；根据像素点的色调获取正常像素点和异常像素点，根据异常像素点获取异常区域；获取不同k值聚类下对应的评估指标，获取最佳k值和最佳聚类结果；根据每个连通域的面积和每个连通域凸包检测后的面积得到每个连通域的纹理密度；根据每个类别的灰度共生矩阵得到每个类别的纹理清晰度；根据每个类别的纹理清晰度得到每个连通域的纹理清晰度；根据每个标记连通域的纹理密度和纹理清晰度得到每个标记连通域的评价指标，得到番茄病虫害区域和病虫害情况。本发明用图像处理方法获取番茄病虫害区域，提高番茄病虫害检测的准确性。

技术研发人员：吕金浮,刘效伟,孙虎,齐建华,刘可,邵庆硕,刘卫东,唐会三
受保护的技术使用者：潍坊科技学院
技术研发日：
技术公布日：2024/5/8