(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211058272.8 (22)申请日 2022.08.30 (71)申请人 广东省农业科 学院环境园艺研究所 地址 510640 广东省广州市天河区金颖东 一街1号 申请人 广州奇牛信息科技有限公司 (72)发明人 孙映波　刘小飞　朱根发　于波　 黄丽丽　杨钰钗　曾奕东　曾润东　 杨保雨　 (74)专利代理 机构 广州专理知识产权代理事务 所(普通合伙) 44493 专利代理师 王允辉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/56(2022.01)G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 一种山茶花病虫害和生理病害的AI快速判 识方法及应用 (57)摘要 本发明公开了一种山茶花病虫害和生理病 害的AI快速判识方法及应用， 通过网络爬 虫技术 收集网络上山茶花的病虫害特征和生理病害特 征图像和数据以及解决方法， 并对其进行分析和 对应， 通过对收集到的病害特征图像进行预处 理， 并和病害特征数据结合计算得到病虫害特征 值、 生理病害特征值和生理辨识值， 并通过对生 理辨识值划分得到若干区间值， 通过所述区间值 判别出不同病害类型， 将不同的病虫害和生理病 害类型与病害的防治措施相对应， 并且通过AI快 速识别并处理的方式， 将现时获取的山茶花的病 害部位图像快速判别病害类型并将所述病虫害 和生理病害防治措施输出， 能够及时地在生产中 对山茶花病虫害和生理病害得到有效解决。 权利要求书3页 说明书6页 附图1页 CN 115471747 A 2022.12.13 CN 115471747 A 1.一种山茶花病虫害和生理病害的AI快速判识方法， 其特征在于， 所述方法包括以下 步骤： S100： 收集山茶花的病虫害和生理病害的判断特 征图像； S200： 对所述 山茶花的病虫害和生理病害的判断特 征图像进行图像转换； S300： 获取山茶花病害部位图像并对其进行分析 得到病虫害特 征和生理病害特 征； S400： 通过病虫害特 征和生理病害特 征得到生理辨识值； S500： 通过生理辨识值对山茶花的病虫害和生理病害 进行判断。 2.根据权利要求1所述的一种山茶花病虫害和生理病害的AI快速判识方法， 其特征在 于， 在步骤S100中， 通过网络爬虫技术在网络上对山茶花的病虫害和生理病害的图像及生 理特征进 行收集， 并且将山茶花的病虫害 特征数据和生理病害的特征数据及对应的特征图 像进行区分判别并存储到病虫害和生理病害 特征数据库中， 并通过A I对病虫害和生理病害 特征数据库中特 征数据和特 征图像数据进行提取。 3.根据权利要求1所述的一种山茶花病虫害和生理病害的AI快速判识方法， 其特征在 于， 在步骤S200中， 对病虫害特征数据和生理病害的特征数据和对应的特征图像数据进行 匹配对应， 并通过以下步骤 对所述特 征图像数据进行转换； 将所述特征图像数据转化为色彩特征图像， 对所述色彩特征图通过山茶花的部位进行 分类， 分别分为叶片区域图像、 树干区域图像、 树梢区域图像和花区域图像， 并将所述叶片 区域图像构建集合L， 树干区域图像T， 树梢区域图像构建集合S， 花区域构建集合F， 病虫害 的特征范围在叶片区域和花区域中表现， 对 所述集合L和F提取其图像的RGB值， 并将叶片与 花中获取的RGB值的G通道最小值为LFmin， 获取的RGB值的G通道最大值为LFmax， 并将叶片 与花的病虫害区间定义为[LFmin， LFmax]， 并通过计算得到判别跃迁系数λ， λ＝exp， exp() 是以自然数 e为底的指数函数， 为叶片与花中获取的RGB值 最大值与最小值的方差； 所述生理病 害的特征范围在叶片区域、 树干区域、 树梢区域和花 区域中表现， 所以获取 树梢区域图像和树干区域图像中的RGB值的R通道、 G通道和B通道的算数平均值avg(LTSF (R))、 avg(LTSF(G) )、 avg(LTSF(B) )， 所述avg()为获取算数平均值 函数； 通过对所述特征图像色彩进行预处理， 所述预处理包括图像降噪和灰度化， 将所述特 征图像转化为灰度图像， 并对所述灰度图像中的像素点的灰度值， 并对所述像素点的灰度 值进行划分， 将灰度值在灰色区间内的区域定义为判别区域， 并通过判别区域的灰度值得 到判别区域的阈值区间D,D＝[GPI， GPL]， 所述GPI和GPL均为灰度图像中灰度值阈值， GPI为 灰度最大值， GPL为灰度最小值， 将所述灰度图像中的判别区域进行边缘处理， 得到边缘特 征图像， 对所有的边缘特征图像的边缘检测点进行记录， 并且将边缘特征图像中两个边缘 检测点的欧氏距离的最大值为OB， 并且将边缘特征图像的达到欧氏距离最大值OB的边缘检 测点的坐标记为(x1i， y1i)、 (x2i， y2i)， 所述i为边缘特征图像序号， i∈[ 1， M]， M为边缘检 测点的记录数量总和。 4.根据权利要求1所述的一种山茶花病虫害和生理病害的AI快速判识方法， 其特征在 于， 在步骤S 300中， 通过工业面阵相机对山茶花病害部位进 行扫描， 获取山茶花病害部位图 像， 并通过以下步骤 对山茶花病害部位图像进行判别： S301： 将所述山茶花病害部位图像的RGB进行提取， 并对其RGB值分别通过R、 G、 B通道的 数值对山茶花病害部位的颜色进行判断， 将提取的RGB值设为(r， g， b)， 将所述山茶花病害权　利　要　求　书 1/3 页 2 CN 115471747 A 2部位图像的RGB值代入判别跃迁系数λ中， 并通过计算得到病虫害特征函数， INP＝λOBf(r， g， b)， 所述为病虫害中R通道和B通道中颜色占比与G通道中的颜色比例， 为边缘特征图像的 达到欧氏距离最大值OB的边缘检测点的坐标差值的和， f(r， g， b)为 获取山茶花病害部位图 像的RGB的函数， INP为病虫害特征值， 若病虫害特征值INP∈E， 则可以判定为病虫害特征， 若INP＞GPL或I NP＜GPI， 则转到步骤S3 02中； S302： 将所述山茶花病害部位图像的RGB进行提取， 并对其RGB值分别通过R、 G、 B通道的 数值对山茶花病害部位的颜色进行判断， 将提取的RGB值设为(r， g， b)， 将所述山茶花病害 部位图像的RGB值与判定生理病害的RGB通道的算数平均值进行计算得到生理病害特征值 PHD， PHD＝exp(r ×avg(R)+g ×avg(G)+b ×avg(B))/log(av g(R)avg(G)avg(B))， exp()是 以自然常数e为底的指数函数， log()是以2为底的指数函数， 山茶花的生理病害颜色众多， 并且形状不规律 故通过所述生理病害 特征值PHD与集合E进 行对比得到生理病害初步判断， 若生理病害特征值PHD∈E， 则可以判定为初步生理病害特征， 则转到S303， 若PHD＞GPL或 PHD＜GPI， 则转到S3 01； S303： 以当前山茶花病害部位图像进行图像降噪与灰度化， 得到山茶花病害部位灰度 图像， 并以灰度图中山茶花病害与背景 的边界为基准线， 基准线上 的各个点依 次向图像的 中心区域构建线段， 并对灰度值发生突变的点位记录为生理病害点， 将所有生理病害点与 所述基准线构成的线 段构建集合XD， 通过计算得到线 段的阈值G， G＝， 所述为集合XD中的元 素， k∈[1， d]， d为生理病害点的总数， 分别为集合XD中的最大值与最小值， 为集合XD的平均 值， 以每次遍历k值递增1的顺序 依次遍历集合XD， 若≥G， 则说明处于 溢出状态， 从之后的生 理病害点为第二病害点， 将坐标重新建立基准线， 并通过此基准线想图像中心的区域判别 为生理病害 区域， 并且将第二病害点构建集合EH， 通过计算得到最终生理病害特征值ZSL， ZSL＝PHD， avg(E H)为集合EH的算数平均值。 5.根据权利要求1所述的一种山茶花病虫害和生理病害的AI快速判识方法， 其特征在 于， 在步骤S400中， 通过判定为具有病虫害特征值INP和最终生理病害特征值ZSL通过比例 得到生理辨识值S， S＝(mean(INP)+mean(ZSL))/2， mean()为提取数组中元素的平均值函 数， 通过病虫害 特征值INP、 初步生理病害 特征值PHD和最 终生理病害 特征值ZSL与所述生理 辨识值进行对比， 并通过得到的对比值将生理辨识值划分为若干个区间值， 通过不同的区 间值对不同的病虫害 特征和生理病害 特征进行对应， 并通过区间值对山茶花病害类型进 行 判别。 6.根据权利要求1所述的一种山茶花病虫害和生理病害的AI快速判识方法及应用， 其 特征在于， 在步骤S 500中， 通过工业面阵相机拍摄山茶花病害部位色彩图片， 并将所述图片 通过AI方式对山茶花的病虫害和生理病害进行判别， 并通过判别输出的病虫害 特征和生理 病害特征与生理辨识值进行判断， 并输出病害的类型与解决病害的有效措施， 达到及时对 山茶花病虫害和生理病害做到有效的防治。 7.一种山茶花病虫害和生理病 害的AI快速判识应用， 其特征在于， 所述应用基于系统， 所述系统包括： 存储器、 处理器以及存储在所述