一种基于统计种子块的病斑烟叶检测方法与流程

技术特征：
1.一种基于统计种子块的病斑烟叶检测方法，其特征在于：获取烟叶图像；对烟叶图像计算不同颜色空间阈的统计块；将潜在的斑点统计块进行神经网络高纬度特征分类后，获取斑点检测结果。2.根据权利要求1所述的基于统计种子块的病斑烟叶检测方法，其特征在于：获取烟叶图像后，计算并获取烟叶图像基于rgb和hsv六个通道的二值化图，单个通道的二值化图像计算如下其中，src_img表示拍摄的烟叶图像，bin_img表示基于六个颜色通道后的二值化图，h_bin表示h通道的二值化，low_val表示h通道的低阈值，upper_val表示h通道的高阈值，h_img表示h通道的图像。3.根据权利要求2所述的基于统计种子块的病斑烟叶检测方法，其特征在于：对二值化图像进行像素轮廓面积的计算后，再基于面积进行种子点的位置过滤和寻找，如下其中，dst_counts表示二值化后的种子轮廓，src_counts表示二值图的全体轮廓，remove表示过滤删除该子轮廓，push表示添加该子轮廓，count_area表示该子轮廓的面积，upper_area表示轮廓面积的上阈值，low_area表示轮廓面积的下阈值。4.根据权利要求3所述的基于统计种子块的病斑烟叶检测方法，其特征在于：获取种子点位置后，在种子点周围八个维度方向进行滑动，块距离为五十个像素值，从而获取潜在的斑点统计块，如下其中，block_imgs(x,y)表示种子点轮廓周围八个维度方向滑动块，block_point表示种子轮廓的中心点，block_left1表示左下向滑动的子块，block_left2表示左向滑动的子块，block_left3表示左上向滑动的子块，block_right1表示右下向滑动的子块，block_right2表示右向滑动的子块，block_right3表示右上向滑动的子块，block_mid1表示上向
滑动的子块，block_mid2表示种子点的位置，block_mid3表示下向滑动的子块。5.根据权利要求4所述的基于统计种子块的病斑烟叶检测方法，其特征在于：获取潜在的斑点统计块后，获取块内白色的阈值幅度，若阈值幅度小于预设阈值则移除该潜在的斑点统计块。6.根据权利要求5所述的基于统计种子块的病斑烟叶检测方法，其特征在于：将潜在的斑点统计块作为高纬度神经网络的输入，如下其中，block_img
net_input
表示整张图像的潜在统计检测块，img
lefts
表示左向滑动的块组合，img
rights
表示右向滑动的块组合，img
mids
表示上下向滑动的块组合。7.根据权利要求6所述的基于统计种子块的病斑烟叶检测方法，其特征在于：神经网络输出分类后，计算整体的阈值度后即获取斑点检测结果，如下block_thresh＝yes(block_imgs)
÷
length(block_imgs)其中，block_thresh表示病斑区域的设定阈值，block_imgs表示输入神经网络统计块，yes(block_imgs)表示检测病斑块的数量，length(block_imgs)表示输入神经网络统计块的数量。

技术总结
本发明提供了一种基于统计种子块的病斑烟叶检测方法，获取烟叶图像；对烟叶图像计算不同颜色空间阈的统计块；将潜在的斑点统计块进行神经网络高纬度特征分类后，获取斑点检测结果。该发明基于分级后的烟叶进行不同颜色空间阈的数据统计，将该颜色空间阈应用在待检测的烟叶，获取病斑点在烟叶中可能的种子点，根据种子点寻找周围的分布区域块，同时将该分布统计块送入神经网络进行高纬度特征映射，判断是否为斑点烟叶。是否为斑点烟叶。是否为斑点烟叶。


技术研发人员：王孝奇 王素平 刁翠玲
受保护的技术使用者：河南启迪睿视智能科技有限公司
技术研发日：2022.03.25
技术公布日：2022/6/28