雪茄烟赤星病的识别与防控系统和方法与流程

1.本发明涉及一种雪茄烟赤星病的识别与防控系统和方法，属于植物保护领域。


背景技术：

2.雪茄烟赤星病是由半知菌亚门链格孢属真菌侵染引起的一种叶斑类病害，具有潜育期短、流程速度快的特点，是一种典型的流行病，主要发生在烟叶旺长后期至成熟期，在烟株打顶前后开始发病，发病持续时间较长，可以延伸至烟叶的整个成熟期，甚至在雪茄烟晾制期还会继续发病。赤星病一旦发病，很容易大面积流行，因此需要着重管理。雪茄烟赤星病的主要特征表现为：从下部叶片开始发病，伴随着叶片的成熟，病斑自下而上逐步发展。最初在叶片上出现黄褐色圆形小斑点，以后变成褐色。湿度越大，病斑越大。病斑圆形或不规则圆形，褐色，产生明显的同心轮纹，边缘明显，外围有淡黄色晕圈。病斑中心有深褐色或黑色霉状物。病斑质脆易破，天气干旱时有可能在病斑中部产生破裂，病害严重时许多病斑连在一起，致使病斑枯焦脱落。严重影响雪茄烟叶的可用性和产量，带来极大的经济损失，因此赤星病病害的诊断和鉴定，对保证雪茄烟叶，特别是茄衣的可用性和产量起着重要的作用，同时，实现精准的病害识别以及发病级别的分析是防控病害的关键。目前，传统的病害识别，主要依赖于历代农民在农业生产过程中积累的经验来进行判断，不但费时费力，实时性和准确性也较差。


技术实现要素：

3.基于上述，本发明提供一种雪茄烟赤星病的识别与防控系统和方法，可以实现雪茄烟赤星病的快速识别分析，并获取到相对适合的防控方案，以克服现有技术的不足。
4.本发明的技术方案是：雪茄烟赤星病的识别与防控方法，所述方法包括：
5.获取田间雪茄烟株的叶片图像，所述叶片图像为去除背景的图像集；
6.将所述叶片图像输入到雪茄烟赤星病病害识别模型中，判断所述雪茄烟株是否为雪茄烟赤星病病株；
7.若为赤星病病株，则分析所述雪茄烟株的发病级别；
8.根据所述发病级别选取相应的防控方法和防控药剂，生成防控方案。
9.优选地，去除所述病害图像的背景的方法为：
10.利用显著图检测策略，获取所述叶片图像的显著图；
11.将所述显著图作为掩码图像，对所述病害图像进行复杂背景分割，从而得到去除背景的叶片图像。
12.优选地，所述雪茄烟赤星病病害识别模型采用dssd_xception模型训练构建，其中，所述dssd_xception模型采用dssd目标检测算法，用雪茄烟赤星病病害图像集训练xception神经网络所得。
13.优选地，分析所述雪茄烟株的发病级别的方法为：
14.识别所述叶片图像中的赤星病病斑形状；
15.计算所述雪茄烟株的所有叶片上的赤星病病斑的总面积；
16.计算所述雪茄烟株的所有叶片的总面积；
17.计算赤星病病斑总面积占叶片总面积的百分比；
18.对照gb/t23222-2008《烟草病虫害分级及调查方法》中烟草叶斑病害严重度分级标准，完成病株发病级别的分析。
19.优选地，识别所述叶片图像中的赤星病病斑形状的方法为：
20.将雪茄烟赤星病病斑的叶片图像转换为二值图像；
21.对所述二值图像进行边缘检测，计算获取各个图像面积与周长二次方的比值关系；
22.对各个图像进行直线检测，获取图像中直线的特征；
23.结合所述比值关系和图像中直线的特征，实现对雪茄烟赤星病图像集中病斑的识别。
24.优选地，采用霍夫变换对病斑形状进行直线检测，若检测到直线数量不等于四条，可直接判断为圆或椭圆，计算直线长度，找出相等的直线对，若四条直线相等，可判断为正方形，若有两对相等的直线，判断为矩形。
25.优选地，根据雪茄烟赤星病图像集中病斑形状的识别结果调用对应的标尺完成病斑尺寸的测量，同时统计每株发病叶片的数量以及大小病斑的数量，然后调用对应的面积计算算法获取病斑的总覆盖面积。
26.本发明还提供一种雪茄烟赤星病的识别与防控系统，所述系统包括：
27.获取模块，用于：获取田间雪茄烟株的叶片图像，所述叶片图像为去除背景的图像集；
28.识别模块，用于：将所述叶片图像输入到雪茄烟赤星病病害识别模型中，判断所述雪茄烟株是否为雪茄烟赤星病病株；
29.分析模块，用于：若为赤星病病株，则分析所述雪茄烟株的发病级别；
30.处理模块，用于：根据所述发病级别选取相应的防控方法和防控药剂，生成防控方案。
31.优选地，所述分析模块包括：
32.叶片病斑识别子模块，用于：识别所述叶片图像中的赤星病病斑形状；
33.病斑面积计算子模块，用于：计算所述雪茄烟株的所有叶片上的赤星病病斑的总面积；
34.叶片面积计算子模块，用于：计算所述雪茄烟株的所有叶片的总面积；
35.病斑占比计算子模块，用于：计算赤星病病斑总面积占叶片总面积的百分比；
36.发病级别处理子模块，用于：对照gb/t23222-2008《烟草病虫害分级及调查方法》中烟草叶斑病害严重度分级标准，完成病株发病级别的分析。
37.本发明的有益效果是：本发明雪茄烟赤星病的识别与防控方法，通过将处理的雪茄烟株的叶片图像输入到构建的雪茄烟赤星病病害识别模型中，能够快速判断当前雪茄烟株是否发生赤星病，同时可以分析雪茄烟赤星病的发病级别，从而得到相对适合的防控方案。与依靠人工经验的传统识别方式相比，本发明具有识别快速、准确的优点。
附图说明
38.图1为雪茄烟赤星病的识别与防控方法的流程图；
39.图2为雪茄烟赤星病的识别与防控方法的系统图；
40.图3为分析模块的功能模块图。
具体实施方式
41.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
42.请参阅图1，本实施例一种雪茄烟赤星病的识别与防控方法，该方法包括：
43.s1获取田间雪茄烟株的叶片图像，所述叶片图像为去除背景的图像集；
44.采集田间待识别雪茄烟烟株的图像，并完成复杂背景分割，获取病害图像集。本实施例中，采用无人机巡检的方式结合爬行机器人巡检的方式进行图像的采集，采集时，每一株烟均至少配置一组五位图(俯视图、左前侧45度仰视图、右前侧45度仰视图、左后侧45度仰视图、右后侧45度仰视图)，从而可以实现烟株的全方位检测，得到叶片病害图像、茎杆病害图像、花梗病害图像、蒴果病害图像等。由于赤星病初期主要出现在叶片上，因此选取叶片图像作为识别对象。
45.去除图像背景采用基于显著图的病害图像分割方法，首先利用显著图检测策略，获取叶片图像的显著图，其次将显著图作为掩码图像，对叶片图像进行复杂背景分割，获取病害图像。其中，病害图像包括。
46.s2将所述叶片图像输入到雪茄烟赤星病病害识别模型中，判断所述雪茄烟株是否为雪茄烟赤星病病株；
47.在得到烟株的各叶片图像后，将这些图像输入到雪茄烟赤星病病害识别模型中进行识别，看各叶片图像是否存在赤星病。
48.雪茄烟赤星病病害识别模型用于实现病害图像集中是否存在雪茄烟赤星病病斑特征的检测，如存在，输出结果为“1”，若不存在，输出结果为“0”，判断待识别对象是否为雪茄烟赤星病病株，获取雪茄烟赤星病图像集。雪茄烟赤星病病害识别模型采用dssd_xception模型训练构建，其中，dssd_xception模型采用dssd目标检测算法，用雪茄烟赤星病病害图像集训练xception神经网络所得。本实施例中，基于网络爬虫模块在各大图片集网站内爬取与烟草赤星病相关的图像，再通过人工 机器学习的方式完成雪茄烟赤星病相关的图像的整理，生成雪茄烟赤星病图像库，用于进行dssd_xception模型的训练。
49.s3若为赤星病病株，则分析所述雪茄烟株的发病级别；
50.在判定雪茄烟株存在赤星病后，需要进一步的分析发病级别，赤星病发病级别的分析方法为：
51.1、识别叶片图像中的赤星病病斑形状。具体地，先将雪茄烟叶片中赤星病病斑的图像转换为二值图像；其次对二值图像进行边缘检测，计算获取各个图像面积与周长二次方的比值关系，具体地，不同形状的面积和周长存在一定的特征关系，令各形状的面积为s，周长为l，则：
52.(1)圆形(半径为r1)：s/l2＝(π*r12)/(2*π*r1)2＝0.0796；
53.(2)正方形(边长为r2):s/l2＝r22/(4*r2)2＝0.0652；
54.(3)矩形(不包含正方形)：s/l2《1/16＝0.0652；
55.(4)椭圆(不包含圆)s/l2《1/4*π＝0.0796；
56.然后对各个图像进行直线检测，获取图像中直线的特征；具体地，用霍夫变换对形状进行直线检测，若检测到直线数量不等于四条，可直接判断为圆或椭圆，计算直线长度，找出相等的直线对，若四条直线相等，可判断为正方形，若有两对相等的直线，可判断为矩形；
57.最后结合比值关系和图像中直线的特征，实现对雪茄烟赤星病图像集中病斑形状的识别。
58.2、计算所述雪茄烟株的所有叶片上的赤星病病斑的总面积；
59.根据雪茄烟赤星病图像集中病斑形状的识别结果，调用对应的标尺完成病斑尺寸的测量，同时统计每株发病叶片的数量以及大小病斑的数量，然后调用对应的面积计算算法获取病斑的总覆盖面积。具体地，如果雪茄烟赤星病图像集中病斑形状为规则图形，则直接在标尺完成测量后，调用对应规则图形的面积计算公式进行面积计算，如果雪茄烟赤星病图像集中病斑形状为不规则图形，则需要完成不规则图形的分割，将其分割成若干个规则图形(如圆形、椭圆、正方形或矩形等)，然后依次完成规则图形与面积公式相关的尺寸的测量，调用对应的面积公式一一计算对应的面积，最后将这些面积累加起来即可。
60.3、计算所述雪茄烟株的所有叶片的总面积；
61.计算雪茄烟株有赤星病和无赤星病的叶片的总面积，烟叶面积的计算是烟草领域的公知常识，在此不再详述。
62.4、计算赤星病病斑总面积占叶片总面积的百分比；
63.5、对照gb/t23222-2008《烟草病虫害分级及调查方法》中烟草叶斑病害严重度分级标准，完成病株发病级别的分析。
64.0级：全叶无病；
65.1级：病斑面积占叶片面积的1％以下；
66.3级：病斑面积占叶片面积的2％-5％；
67.5级：病斑面积占叶片面积的6％-10％；
68.6级：病斑面积占叶片面积的11％-20％；
69.9级：病斑面积占叶片面积的21％以上。
70.s4根据所述发病级别选取相应的防控方法和防控药剂，生成防控方案。
71.具体地，根据病斑的总面积选取对应的防控药物和施药方式，生成对应的防控方案，该防控方案包括相应的药物名称、药物浓度、药物用量及施用方式，这些方案可以预先设定，只需要根据分析结果调用即可。
72.请参阅图2，本实施例还提供一种雪茄烟赤星病的识别与防控系统，该系统包括：获取模块，用于：获取田间雪茄烟株的叶片图像，所述叶片图像为去除背景的图像集；识别模块，用于：将所述叶片图像输入到雪茄烟赤星病病害识别模型中，判断所述雪茄烟株是否为雪茄烟赤星病病株；分析模块，用于：若为赤星病病株，则分析所述雪茄烟株的发病级别；处理模块，用于：根据所述发病级别选取相应的防控方法和防控药剂，生成防控方案。
73.具体地，请参阅图3，分析模块包括：叶片病斑识别子模块，用于：识别所述叶片图像中的赤星病病斑形状；病斑面积计算子模块，用于：计算所述雪茄烟株的所有叶片上的赤星病病斑的总面积；叶片面积计算子模块，用于：计算所述雪茄烟株的所有叶片的总面积；病斑占比计算子模块，用于：计算赤星病病斑总面积占叶片总面积的百分比；发病级别处理子模块，用于：对照gb/t23222-2008《烟草病虫害分级及调查方法》中烟草叶斑病害严重度分级标准，完成病株发病级别的分析。
74.上述识别与防控系统中各个模块的功能和作用的实现过程具体详见雪茄烟赤星病的识别与防控方法中对应步骤的实现过程，在此不再赘述。
75.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。