【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及農(nóng)業(yè)病害檢測(cè)領(lǐng)域，特別是一種基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法。
技術(shù)介紹
1、黃龍病是一種具有高度傳染性和毀滅性的柑橘類植物病害，主要通過亞洲柑橘木虱傳播。該病可導(dǎo)致柑橘樹葉片發(fā)黃、果實(shí)畸形、產(chǎn)量減少，最終導(dǎo)致樹木死亡。由于其病癥復(fù)雜且進(jìn)展緩慢，通常在果樹外觀發(fā)生明顯病變時(shí)，病情已處于嚴(yán)重階段。
2、現(xiàn)有技術(shù)中，通過人工觀察柑橘樹木外部癥狀(如葉片變黃、樹冠稀疏等)判斷黃龍病的感染情況，這種方式耗時(shí)費(fèi)力，且評(píng)估結(jié)果容易受到外界因素(如光照、季節(jié)性葉片變化等)的干擾，準(zhǔn)確性較低。此外，目前果園管理依賴的營(yíng)養(yǎng)管理指南、植物生長(zhǎng)調(diào)節(jié)劑和樹干注射等手段，缺乏量化依據(jù)，難以判斷管理措施是否有效。因此，需要一種智能、精準(zhǔn)的技術(shù)手段，通過圖像處理與數(shù)據(jù)分析結(jié)合，幫助種植者準(zhǔn)確判斷樹木受到黃龍病的影響的程度及其健康狀況。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提出一種基于圖像處理技術(shù)與算法結(jié)合的柑橘黃龍病樹木健康評(píng)估方法。通過對(duì)樹木樹冠進(jìn)行定期拍攝，并使用圖像處理軟件分析樹冠密度變化情況，結(jié)合算法判斷樹木健康狀況，同時(shí)對(duì)判斷柑橘樹木早期是否患黃龍病具有一定作用。以提供一個(gè)科學(xué)的管理依據(jù)，幫助果園管理者確定是否繼續(xù)保留或移除受到病害的柑橘樹木。
2、本專利技術(shù)的目的采用如下技術(shù)方案實(shí)現(xiàn)：
3、1.數(shù)據(jù)采集
4、1.1樹木選擇與標(biāo)記
5、在果園中選擇若干棵代表性柑橘樹木進(jìn)行檢測(cè)，這些樹木應(yīng)具有代表性。每棵樹木需在樹干與樹冠邊
6、1.2拍攝標(biāo)準(zhǔn)
7、采用智能手機(jī)或其他配備高質(zhì)量攝像頭的設(shè)備進(jìn)行圖像采集(所有條件相同)要求其具備高分辨率和良好的成像能力，以獲取清晰、真實(shí)的圖像數(shù)據(jù)。手機(jī)安裝在自拍桿上，攝像頭面朝樹冠上方，距離樹干和樹冠邊緣的中間區(qū)域拍攝。每次拍攝前確保相機(jī)鏡頭干凈、畫面清晰，避免圖像模糊或光照過強(qiáng)影響數(shù)據(jù)分析。每棵樹木應(yīng)當(dāng)定期拍攝照片(例如每一個(gè)月或三個(gè)月拍攝一次)，以保證健康狀況的動(dòng)態(tài)監(jiān)控，并建立長(zhǎng)時(shí)間的數(shù)據(jù)集用于分析；記錄每次拍攝的時(shí)間、天氣狀況和土壤濕度等環(huán)境因素，以便后續(xù)分析時(shí)考慮這些影響因素。在拍攝前確保所用設(shè)備的設(shè)置一致，包括曝光時(shí)間、焦距、iso值等，保證在不同時(shí)間和條件下拍攝的圖像具有可比性。采用標(biāo)準(zhǔn)化的拍攝流程，包括選擇適當(dāng)?shù)呐臄z角度、光照條件和拍攝高度，以減少外界因素對(duì)圖像質(zhì)量的影響；在每次拍攝前，對(duì)拍攝設(shè)備進(jìn)行校準(zhǔn)，以確保拍攝結(jié)果的一致性。
8、2.圖像處理與分析
9、2.1圖像預(yù)處理
10、圖像預(yù)處理是圖像分析前必不可少的步驟，其目的是將原始圖像優(yōu)化為適合算法處理的格式，以提高后續(xù)分析的準(zhǔn)確性和可靠性。具體步驟包括去噪、顏色標(biāo)準(zhǔn)化、對(duì)比度增強(qiáng)、圖像裁剪等。
11、2.1.1圖像去噪
12、在拍攝圖像時(shí)，環(huán)境光線變化、塵埃、攝像設(shè)備本身的噪聲都會(huì)影響圖像質(zhì)量，因此需要首先去除這些噪聲干擾。常用的圖像去噪方法包括高斯濾波、中值濾波和雙邊濾波等。
13、高斯濾波：通過給圖像施加一個(gè)高斯函數(shù)濾波器，平滑圖像中細(xì)小的噪聲點(diǎn)，同時(shí)保持較大的圖像結(jié)構(gòu)不被破壞。
14、中值濾波：對(duì)圖像中的每個(gè)像素，取其鄰域內(nèi)像素值的中位數(shù)，適用于去除椒鹽噪聲。
15、雙邊濾波：不僅考慮像素點(diǎn)的空間鄰近性，還考慮像素點(diǎn)的顏色相似性，從而保留邊緣信息的同時(shí)去除噪聲。高斯濾波的常見參數(shù)設(shè)置：
16、
17、其中，σ是濾波器的標(biāo)準(zhǔn)差，通常設(shè)定為1到2之間，以確保既能去噪又不會(huì)過度平滑細(xì)節(jié)。
18、2.1.2顏色標(biāo)準(zhǔn)化
19、由于不同時(shí)間段拍攝的光照條件不同，樹木葉片的顏色在圖像中可能出現(xiàn)較大偏差。因此，需對(duì)圖像進(jìn)行顏色標(biāo)準(zhǔn)化，使得不同時(shí)間、不同光照條件下的圖像具有相對(duì)一致的色彩表現(xiàn)，確保后續(xù)分析的可比性。
20、白平衡調(diào)整：檢測(cè)圖像中的白色參考點(diǎn)，并調(diào)整圖像的色溫，使其接近真實(shí)的葉片顏色。
21、直方圖均衡化：將圖像的顏色分布拉伸，使得對(duì)比度增強(qiáng)，從而在各種光照條件下保持顏色的一致性。
22、2.1.3對(duì)比度增強(qiáng)
23、對(duì)比度增強(qiáng)的目的是突出樹冠與背景之間的差異，以便后續(xù)的圖像分割和邊緣檢測(cè)。常用的對(duì)比度增強(qiáng)方法是直方圖拉伸，通過將圖像的亮度范圍拉伸至最大動(dòng)態(tài)范圍，使得暗部區(qū)域和亮部區(qū)域的差異更加明顯。對(duì)比度增強(qiáng)的數(shù)學(xué)表達(dá)式為：
24、
25、其中，i(x,y)是原始圖像的像素值，imin和imax分別是圖像中的最小和最大亮度值。
26、2.1.4圖像裁剪與調(diào)整
27、根據(jù)拍攝的標(biāo)準(zhǔn)，裁剪圖像，使之僅保留樹冠部分，確保不將無關(guān)的背景部分帶入分析。
28、2.2樹冠密度計(jì)算
29、樹冠密度是反映樹木健康狀況的重要參數(shù)之一，通過計(jì)算單位面積內(nèi)葉片所占的像素比例來量化樹冠的茂密程度。樹冠密度的計(jì)算經(jīng)過以下幾個(gè)步驟：
30、2.2.1圖像分割
31、圖像分割的目的是將樹冠區(qū)域從背景中分離出來，提取出葉片所占的像素區(qū)域。常用的圖像分割方法包括邊緣檢測(cè)、區(qū)域生長(zhǎng)法、閾值分割法和基于深度學(xué)習(xí)的分割模型(如u-net)。
32、邊緣檢測(cè)(canny算法)：該算法通過檢測(cè)圖像中像素灰度值的梯度變化來找到圖像中的邊緣，適用于樹冠與背景對(duì)比明顯的圖像。canny邊緣檢測(cè)的參數(shù)設(shè)置包括：
33、低閾值與高閾值：這兩個(gè)閾值用于控制邊緣檢測(cè)的靈敏度，通常根據(jù)圖像的亮度和對(duì)比度調(diào)整，典型值為30和100。
34、高斯濾波器的標(biāo)準(zhǔn)差：通常為1到2之間，以平滑圖像中微小的噪聲，同時(shí)保持邊緣信息。
35、區(qū)域生長(zhǎng)法：該算法通過從圖像中的某個(gè)像素點(diǎn)開始，逐步向四周擴(kuò)展區(qū)域，直到無法找到與種子點(diǎn)相似的像素為止。適用于樹冠區(qū)域較為連貫的情況。
36、2.2.2二值化處理
37、分割完成后，將樹冠區(qū)域與背景分離，背景像素設(shè)為0，樹冠像素設(shè)為1。二值化處理的關(guān)鍵是選擇合適的閾值。全局閾值可以根據(jù)圖像的亮度直方圖設(shè)定，或使用自適應(yīng)閾值方法，使不同部分的圖像能夠根據(jù)局部對(duì)比度自適應(yīng)調(diào)整。
38、2.2.3樹冠密度計(jì)算公式
39、樹冠密度的計(jì)算基于單位面積內(nèi)樹冠區(qū)域的像素?cái)?shù)。具體公式如下：
40、
41、其中：ntree為樹冠像素?cái)?shù)；ntotal圖像的總像素?cái)?shù)；d為樹冠密度，單位為百分比。
42、2.3健康評(píng)分生成
43、健康評(píng)分是通過綜合多項(xiàng)圖像特征(包括樹冠密度、葉片顏色、形狀、邊緣等)生成的數(shù)值化指標(biāo)，用于量化樹木的整體健康狀況。評(píng)分范圍通常為0到100，其中0表示樹木完全枯萎，100表示樹木處于最佳健康狀態(tài)。健康評(píng)分的生成涉及以下幾個(gè)步驟：
44、2.3.1葉片顏色分析
45、葉片本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St2中圖像去噪方法包括高斯濾波、中值濾波或雙邊濾波；其中高斯濾波參數(shù)設(shè)置為：
3.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St2中對(duì)比度增強(qiáng)處理方法為直方圖拉伸，數(shù)學(xué)公式為：
4.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St3中樹冠密度的計(jì)算基于單位面積內(nèi)樹冠區(qū)域的像素?cái)?shù)，具體公式如下：
5.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St6中，通過加權(quán)公式生成最終的健康評(píng)分，公式如下：
6.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St7中計(jì)算樹冠密度變化包括如下步驟:
7.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St7中計(jì)算健康評(píng)分趨勢(shì)包括
8.如權(quán)利要求1或7所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟St7中計(jì)算健康評(píng)分趨勢(shì)還包括繪制健康趨勢(shì)圖與分析：
9.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，在步驟St8中還包括管理建議規(guī)則的設(shè)定，該規(guī)則基于健康評(píng)分和樹冠密度變化設(shè)定。
...【技術(shù)特征摘要】
1.基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟st2中圖像去噪方法包括高斯濾波、中值濾波或雙邊濾波；其中高斯濾波參數(shù)設(shè)置為：
3.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟st2中對(duì)比度增強(qiáng)處理方法為直方圖拉伸，數(shù)學(xué)公式為：
4.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在于，步驟st3中樹冠密度的計(jì)算基于單位面積內(nèi)樹冠區(qū)域的像素?cái)?shù)，具體公式如下：
5.如權(quán)利要求1所述的基于圖像處理與算法的柑橘黃龍病樹木健康評(píng)估方法，其特征在...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李貴節(jié)，王群娣，郭政，韓冷，程玉嬌，余波，鄧明雪，唐春麟，
申請(qǐng)(專利權(quán))人：西南大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。