(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211002591.7 (22)申请日 2022.08.22 (65)同一申请的已公布的文献号 申请公布号 CN 115082804 A (43)申请公布日 2022.09.20 (73)专利权人 南通海扬食品有限公司 地址 226000 江苏省南 通市海门区金盛现 代高效农业园区(三厂镇大洪村十四 组) (72)发明人 张彩芳　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/82(2022.01) G06V 10/56(2022.01) G06V 10/44(2022.01)审查员 李慧 (54)发明名称 利用多特征数据处理分析的水稻病害识别 方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种利用多特征数据处理分析的水稻病害识别方 法。 该方法包括： 获得水稻的病害数据， 同时基于 病害数据获得病害HSV空间数据和病害二值数 据； 利用病害HSV数据获得病害连通域的颜色因 子和坏死线长度； 构建病害识别网络， 输入病害 连通域的矩形度、 圆形度、 颜色因子和坏死线长 度， 输出病害连通域的病害种类。 本发明通过数 据处理的方法获得水稻病害部位信息， 对病害部 位在采集数据中呈现出来的特征进行分析， 能够 准确的获得不同病害的特征， 从而精 准的识别出 水稻的病害类型； 本发明通过使用数据处理的方 法， 实现了对于水稻病害检测识别的智能化和信 息化， 使得检测的效率得到 了提高。 权利要求书2页 说明书8页 附图1页 CN 115082804 B 2022.11.25 CN 115082804 B 1.利用多特征数据处理分析的水稻病害识别方法  ， 其特征在于， 该方法包括： 获得水 稻的病害图像， 同时基于病害图像获得病害HSV图像和病害二值图； 根据病害二值图获得病 害连通域和连通域的最小外接矩形， 同时在HSV图像中获得相应的病害连通域和最小外接 矩形， 所述病害连通域对应一种病害； 利用病害二值图中病害连通域周长、 面积和最小外接 矩形的面积获得病害连通 域的矩形度和圆形度； 获得病害HSV图像中病害连通域的中心像素点， 基于连通域内预设方向上像素点的色 调值和像素点与中心像素点的距离获得病害连通域的颜色渐变度； 获得病害HSV图像中病 害连通域的最小外接矩形中绿色像素点的数量； 绿色像素点的数量与最小外接矩形的面积 的比值为病害连通域的颜色填充度； 基于颜色渐变度和颜色填充度获得病害连通域的颜色 因子； 将病害HSV图像 中的最小外接矩形划分为灰白区域、 黄褐区域和绿色区域， 从灰白区域 边缘开始经过黄褐区域到达绿色区域的最大纵向距离为病害连通域的坏死线长度； 构建病 害识别网络， 输入病害连通域的矩形度、 圆形度、 颜色因子和坏死线长度， 输出病害连通域 的病害种类； 所述在HSV图像中获得相应的病害连通域和最小外接矩形包括： 根据病害二值图中病 害连通域的像素点的位置信息获得病害HSV图像中相同位置的病害连通 域； 所述病害连通 域的矩形度和圆形度为： 其中， 表示病害连通域的圆形度； 表示病害连通域的面积； 表示病害连通域的周 长； 表示圆周率； 表示最小外接矩形的长； 表示最小外接矩形的宽； 所述基于连通域内预设方向上像素点的色调值和像素点与中心像素点的距离获得病 害连通域的颜色渐变度包括： 获得以中心像素点为中心的预设尺寸的窗口， 以窗口的边长 为步长向预设方向移动， 所述预设方向为以中心像素点为中心的窗口的正上方、 正下方、 水 平向左和水平向右的方向； 当窗口在其中一个方向上移动到病害连通域的边缘时， 所有方 向上的窗口停止移动； 获得各方向上窗口停止移动时中心点的连线组成的多边形 的面积； 获得各方向上窗口移动过程中， 窗口内像素点的平均色调值和窗口中心 点与中心像素点的 距离的乘积的求和结果； 求和结果与多边形的面积的比值 为病害连通 域的颜色渐 变度； 所述颜色因子为： 其中， Y表示颜色因子； T表示颜色填充度； K表示颜色渐 变度； 所述将病害HSV图像 中的最小外接矩形划分为灰白区域、 黄褐区域和绿色区域包括： 基 于病害HSV图像中的病害连通域的最小外接矩形中像素点的H、 S、 V值对最小外接矩形中的 像素点进行聚类， 将最小外 接矩形划分为灰白区域、 黄褐区域和绿色区域。 2.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述基于病害图像获得病害二值图包括： 所述病害图像为RGB图像， 利用OTSU算法获得 病害图像的背景区域和前景区域， 其中背景区域的像素点的像素值为第一预设值， 前景区权　利　要　求　书 1/2 页 2 CN 115082804 B 2域的像素点的像素值 为第二预设值。 3.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述病害连通域周长包括： 获得病害 连通域的边缘， 利用八邻域边界跟踪算法获得连续 有序的边缘坐标点序列； 对边缘坐标点序列中相 邻像素点的距离求和获得病害连通域的周 长。 4.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述获得病害HSV图像中病害连通域的最小外接矩形中绿色像素点的数量包括； 获得病 害HSV图像中为绿色的像素点的H、 S、 V值的范围； 当最小外接矩形中像素点的H、 S、 V值属于 为绿色的像素点的H、 S、 V值的范围时， 将该像素点标记为第三预设值； 当像素点的H、 S、 V值 中有一个不属于为绿色的像素点的H、 S、 V 值的范围时， 将该像素点标记 为第一预设值； 获得 最小外接矩形中标记为第三预设值的像素点的数量， 为绿色像素点的数量。 5.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述基于颜色渐变度和颜色填充度获得病害连通域的颜色因子包括： 颜色渐变度和颜 色填充度都与颜色因子成正相关 关系。 6.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述病害连通域的坏死线长度包括： 利用以中心像素点为中心的预设尺寸的窗口分别 向上移动和向下移动， 每次移动步长为一个像素点； 在窗口向上移动过程中， 选取窗口内最 上方的像素点中色调值最大 的像素点作为下个窗口的中心点； 窗口向下移动过程中， 选取 窗口内最下方的像素点中色调值最大的像素点作为下个窗口的中心 点； 窗口向上和向下移 动过程中， 当窗口内像素点的平均色调值达到黄褐色时分别开始统计移动的步长， 当窗口 内像素点的平均色调值达到绿色时停止统计移动的步长， 向上移动和向下移动统计的步长 之和为最大纵向距离 。 7.根据权利要求1所述的利用多特征数据处理分析的水稻病害识别方法  ， 其特征在 于， 所述构建病害识别网络包括： 所述病害识别神经网络为全连接神经网络， 训练数据为病 害连通域的矩形度、 圆形度、 颜色因子和坏死线长度， 标签为水稻病害的种类， 损失函数为 交叉熵损失函数； 输入病害连通域的病害连通域的矩形度、 圆形度、 颜色因子和坏死线长 度， 输出水稻病害类型。权　利　要　求　书 2/2 页 3 CN 115082804 B 3