[0003] 本发明的目的在于提供智慧农业用虫害远程检测系统及方法,以解决上述背景技术中提出的问题。
[0004] 为了解决上述技术问题,本发明提供如下技术方案:智慧农业用虫害远程检测方法,方法包括:
[0005] 步骤S100:对待检测农田内作物的种类进行确认并对该种类作物的种植信息进行提取,同时基于大数据锁定该种类作物的伴随虫害种类;种植信息包括作物根茎种植分布密度、作物叶片分布密度;
[0006] 步骤S200:对待检测农田作区域划分得n份矩形农田区域,并基于种植信息将n份矩形农田区域进行划分为若干个第一区域、第二区域以及第二区域的蔓延区域;
[0007] 步骤S300:对待检测农田内农作物叶面表征图像进行获取,同时将农作物叶面表征图像基于步骤S200中进行区域划分得到n份矩形农田区域一样将农作物叶面表征图像对应分割为n份区域表征图像;
[0008] 步骤S400:对每份区域表征图像进行伴随虫害种类的特征虫斑识别,并对每份区域表征图像进行虫斑面积计算并根据每份区域表征图像的虫斑面积情况将对应的n份矩形农田区域分别进行标记处理;同时分别对每份矩形农田区域的渗透率进行计算;
[0009] 步骤S500:基于渗透率对虫斑蔓延区域进行识别;
[0010] 步骤S600:对待检测农田进行虫害等级检测判断;虫害等级包括严重、需预防、轻微。
[0011] 进一步的,步骤S100在对伴随虫害种类锁定时,以检测时的气候特征为基准筛查条件;将该种类作物在检测时的气候特征条件下出现概率大于概率阈值的伴随虫害种类信息进行提取。
[0012] 进一步的,步骤S200包括:
[0013] 步骤S201:基于大数据将该种类作物的根茎种植最适宜分布密度、单位空间作物叶片最适宜分布密度分别作为基准阈值,即基准阈值包括根茎种植密度W、叶片分布密度S;其中,作物叶片分布密度是指作物叶片与作物叶片之间出现叶片重叠或者覆盖的总体面积与区域面积内所有作物叶片所形成的总体可视面积的比值;即可用公式S=s1/s2来表示,其中s1表示作物叶片与作物叶片之间出现叶片重叠或者覆盖的总体面积;s2表示区域面积内所有作物叶片所形成的总体可视面积;
[0014] 步骤S202:根据待检测农田的实际面积大小设置单位矩形面积,选定待检测农田的一侧边开始以单位矩形面积进行划分得到n份矩形农田区域;对n份矩形农田区域的根茎种植分布密度进行计算,将小于根茎种植密度W的区域划为第一区域;将大于根茎种植密度W的区域划为第二区域;
[0015] 步骤S203:分别对所有第一区域的邻边信息进行搜查,将存在与第二区域有三个或三个以上接壤边的第一区域作为第二区域的可蔓延区域,对每个可蔓延区域内作物叶片分布密度进行计算,将作物叶片分布密度大于叶片分布密度S的可蔓延区域作为第二区域的蔓延区域;
[0016] 本发明基于待检测农田上作物的实际种植情况进行了不同区域的划分,是考虑到作物种植密度的不同对害虫繁衍以及最终造成虫害的概率是不同的,作物种植密度越高,害虫繁衍以及最终造成虫害的概率越大;作物种植密度越小,害虫繁衍以及最终造成虫害的概率越小;将与种植密度高的作物分布区域在分布上呈现紧密相连的种植密度低的作物区域作为种植密度高的作物区域的蔓延区域,此蔓延区域在害虫繁衍以及最终造成虫害的概率上因受周围作物分布影响概率也随之上涨。
[0017] 进一步的,步骤S400包括:
[0018] 步骤S401:设置第一面积阈值a、第二面积阈值b,且a>b;当一份区域表征图像上的虫斑面积大于第一面积阈值a,将该份区域表征图像所对应的矩形农田区域做第一标记;当一份区域表征图像上的虫斑面积大于第二面积阈值b且小于第一面积阈值a,将该份区域表征图像所对应的矩形农田区域做第二标记;
[0019] 步骤S402:对每个矩形农田区域进行所有叶片间隙图像捕捉,当一个叶片间隙图像上出现虫斑,将叶片间隙所对应的农田面积作为渗透区域;
[0020] 步骤S403:根据公式 对每个矩形农田区域的渗透率P进行计算;其中h1表示出现渗透区域内的作物平均植株高度;h2表示渗透区域轮廓边缘作物的平均植株高度;H表示矩形农田区域内作物的平均植株高度;S表示矩形农田区域面积;s1表示渗透区域面积;
[0021] 且本发明考虑到多数害虫都会经历有产卵阶段,而卵子数量决定了最终虫害的体积数量而卵子由于体积小及生长环境的需要往往会存在隐蔽地方,本发明引入渗透率的计算,即考虑到由于作物实际植高的不同会存在高度错落的叶片间隙区域,而叶片间隙区域往往会具有与其他作物叶片之间存在重叠区域或者是隐蔽区域,提取叶片间隙区域上的虫斑分布信息可以在数据层面上反应出一定数量的隐藏病虫情况。
[0022] 进一步的,步骤S500对虫斑蔓延区域的识别包括:
[0023] 步骤S501:设置渗透阈值,筛选出渗透率P大于渗透阈值的矩形农田区域,在所有渗透率P大于渗透阈值的矩形农田区域之间,以各矩形农田区域的区域中心点为起端,进行线段连接;
[0024] 步骤S502:当线段长度满足长度阈值,将线段途经过的矩形农田区域均作为该两个矩形农田区域的虫斑蔓延区域。
[0025] 进一步的,步骤S600中虫害等级判断的过程包括:
[0026] 当检测系统检测到存在两个或两个以上标有第一标记的矩形农田区域,检测系统对两个或两个以上标有第一标记的矩形农田区域进行虫斑蔓延区域识别,当存在虫斑蔓延区域,且虫斑蔓延区域中有分属于第二区域或者第二区域的蔓延区域的区域时,虫害等级判断结果为严重;
[0027] 当检测系统检测到存在两个或两个以上标有第二标记的矩形农田区域,检测系统对两个或两个以上标有第二标记的矩形农田区域进行虫斑蔓延区域识别,当存在虫斑蔓延区域,且虫斑蔓延区域中有分属于第二区域或者第二区域的蔓延区域的区域时,虫害等级判断结果为需预防;
[0028] 当检测系统检测到存在两个或两个以上标有第二标记的矩形农田区域,检测系统对两个或两个以上标有第二标记的矩形农田区域进行虫斑蔓延区域识别,当存在虫斑蔓延区域,且虫斑蔓延区域中有分属于第一区域或者第二区域的蔓延区域的区域时,虫害等级判断结果为轻微;当不存在虫斑蔓延区域时,虫害等级判断结果为轻微。
[0029] 进一步的,在对虫害等级进行判断时将对第一标记的矩形农田区域个数检测优先于对第二标记的矩形农田区域个数检测,即当检测系统检测不到存在两个或两个以上标有第一标记的矩形农田区域时往下顺延开始对标有第二标记的矩形农田区域个数进行检测。
[0030] 为更好的实现上述方法的功能还提出了智慧农业用虫害远程检测系统,系统包括数据提取模块、区域划分模块、图像分割识别模块、虫斑蔓延区域识别模块、虫害等级检测判断模块;
[0031] 数据提取模块,用于从大数据中对待检测农田内作物的种类进行判别并对该种类作物的种植信息进行提取,同时基于大数据提取该种类作物的伴随虫害种类数据;
[0032] 区域划分模块,用于对待检测农田作区域划分,并基于从数据提取模块中提取到的数据对区域划分后的待检测农田进行进一步区域划分得到不等个第一区域、第二区域以及第二区域的蔓延区域;
[0033] 图像分割识别模块,用于对待检测农田内农作物叶面表征图像进行获取,将农作物叶面表征图像基于区域划分模块中的区域划分方法对图像进行分割;同时经过分割处理后得到的每份区域进行伴随虫害种类的特征虫斑识别;
[0034] 虫斑蔓延区域识别模块,用于接收图像分割识别模块中的数据,进行虫斑面积计算并根据计算结果进行标记处理;进行农田区域的渗透率计算,基于渗透率对虫斑蔓延区域进行识别判断;
[0035] 虫害等级检测判断模块,用于对待检测农田进行虫害等级检测判断,虫害等级包括严重、需预防、轻微。
[0036] 进一步的,虫斑蔓延区域识别模块包括叶片间隙捕捉单元、渗透区域识别单元、渗透率计算单元、虫斑蔓延区域判定单元;
[0037] 叶片间隙捕捉单元,用于对每个矩形农田区域进行所有叶片间隙图像捕捉;
[0038] 渗透区域识别单元,用于对叶片间隙捕捉单元中图像进行虫斑识别,并将捕捉到虫斑的叶片间隙区域作为渗透区域;
[0039] 渗透率计算单元,用于接收渗透区域识别单元中的数据,对各矩形农田区域的渗透率进行计算;
[0040] 虫斑蔓延区域判定单元,用于接收渗透率计算单元中的数据,完成虫斑蔓延区域的判定。
[0041] 进一步的,虫害等级检测判断模块包括矩形农田区域个数检测单元、等级判断单元;
[0042] 矩形农田区域个数检测单元,用于对不同标记的矩形农田区域个数检测设置优先级别;等级判断单元,用于按照矩形农田区域个数检测单元中的优先级设置对待检测农田对应进行不同等级判断,虫害等级判断结果包括严重、需预防、轻微。
[0043] 与现有技术相比,本发明所达到的有益效果是:本发明对于农田虫害的检测可以不用针对整片农田上的虫害情况进行详细排查得到虫害检测结果;基于待检测农田上作物的实际种植情况对虫害程度进行不同预测;基于作物上虫斑的分布情况进行虫害蔓延区域的判别;本发明在虫害检测上可以通过采集少数的样本实现对虫害的蔓延趋势判断;且得到虫害登记判断结果在数据处理的范畴上是带有预见性的,起到见微知著的效果,提高了虫害检测效率,节省了劳动力。