本發(fā)明涉及蟲(chóng)害識(shí)別，更具體地說(shuō)，本發(fā)明涉及基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警方法及系統(tǒng)。

背景技術(shù)：

1、水稻作為全球重要的糧食作物，其產(chǎn)量和質(zhì)量直接關(guān)系到糧食安全。然而，水稻在生長(zhǎng)過(guò)程中常常受到各種病蟲(chóng)害的侵襲，如稻瘟病、紋枯病和稻飛虱等。這些病蟲(chóng)害的爆發(fā)不僅會(huì)導(dǎo)致產(chǎn)量下降，還可能引起糧食品質(zhì)的降低。因此，及時(shí)準(zhǔn)確地預(yù)警和防控水稻病蟲(chóng)害，對(duì)于保障農(nóng)業(yè)生產(chǎn)具有重要意義。

2、目前，基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警方法已逐漸應(yīng)用于農(nóng)業(yè)領(lǐng)域。這些方法通常利用圖像采集設(shè)備獲取稻田圖像，結(jié)合圖像處理和模式識(shí)別技術(shù)，識(shí)別和判斷病蟲(chóng)害的類(lèi)型和嚴(yán)重程度。然而，現(xiàn)有技術(shù)中，水稻病蟲(chóng)害在稻田中呈斑塊狀分布，具有高度的空間異質(zhì)性，導(dǎo)致不同區(qū)域的發(fā)病概率和嚴(yán)重程度顯著差異。傳統(tǒng)的圖像采集方法受限于設(shè)備覆蓋范圍、采集角度和頻率，難以及時(shí)、全面地獲取高質(zhì)量圖像，導(dǎo)致預(yù)警系統(tǒng)無(wú)法準(zhǔn)確捕捉病害實(shí)際分布，可能漏報(bào)高發(fā)區(qū)域或預(yù)警滯后。此外，現(xiàn)有方法缺乏有效的空間分析模型，未充分利用空間統(tǒng)計(jì)和地理信息系統(tǒng)技術(shù)深入分析病害的空間特征，難以準(zhǔn)確評(píng)估不同區(qū)域的風(fēng)險(xiǎn)程度，無(wú)法為農(nóng)業(yè)管理者提供針對(duì)性的防控建議。

3、為了解決上述問(wèn)題，現(xiàn)提供一種技術(shù)方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警方法及系統(tǒng)以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警方法，包括如下步驟：

4、s1：獲取覆蓋稻田不同區(qū)域的高分辨率圖像，確保圖像質(zhì)量達(dá)到預(yù)設(shè)閾值后進(jìn)入下一步處理；

5、s2：對(duì)采集的圖像進(jìn)行去噪、畸變校正和光照均衡處理，使用算法包括中值濾波和直方圖均衡化；

6、s3：基于地理信息系統(tǒng)和克里金插值建立稻田病害傳播的空間異質(zhì)性模型，明確不同區(qū)域的病害風(fēng)險(xiǎn)程度；

7、s4：采用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后的圖像進(jìn)行特征提取，識(shí)別病蟲(chóng)害特征，病蟲(chóng)害特征包括病蟲(chóng)害的類(lèi)型、位置和嚴(yán)重程度；

8、s5：將提取的病蟲(chóng)害特征與空間異質(zhì)性模型相結(jié)合，利用空間自相關(guān)分析方法評(píng)估病害在稻田中的分布模式；

9、s6：基于病害在稻田中的分布模式的分析結(jié)果，應(yīng)用支持向量機(jī)算法對(duì)病蟲(chóng)害風(fēng)險(xiǎn)進(jìn)行分類(lèi)評(píng)估，生成包含具體位置和風(fēng)險(xiǎn)級(jí)別的預(yù)警信息。

10、在一個(gè)優(yōu)選的實(shí)施方式中，獲取覆蓋稻田不同區(qū)域的高分辨率圖像，確保圖像質(zhì)量達(dá)到預(yù)設(shè)閾值后進(jìn)入下一步處理，具體為：

11、利用無(wú)人機(jī)、衛(wèi)星遙感和地面攝像設(shè)備獲取覆蓋稻田不同區(qū)域的高分辨率圖像，并通過(guò)圖像分辨率、對(duì)比度和亮度三個(gè)標(biāo)準(zhǔn)確保圖像質(zhì)量滿(mǎn)足預(yù)設(shè)閾值后，再進(jìn)入下一步處理。

12、在一個(gè)優(yōu)選的實(shí)施方式中，對(duì)采集的圖像進(jìn)行去噪、畸變校正和光照均衡處理，使用算法包括中值濾波和直方圖均衡化，具體包括：

13、s201：采用中值濾波算法，去除圖像中的隨機(jī)噪聲，保留圖像邊緣細(xì)節(jié)，減少不規(guī)則干擾；

14、s202：使用相機(jī)標(biāo)定參數(shù)，針對(duì)鏡頭畸變進(jìn)行幾何校正，確保圖像的真實(shí)形狀與尺寸；

15、s203：通過(guò)直方圖均衡化技術(shù)，調(diào)整圖像中不同區(qū)域的亮度分布，增強(qiáng)暗部和亮部的細(xì)節(jié)；

16、s204：檢測(cè)圖像中的偽影與水面反射區(qū)域，通過(guò)反射光濾波器進(jìn)行修正；

17、s205：設(shè)定圖像清晰度和對(duì)比度閾值，自動(dòng)檢測(cè)處理后圖像是否符合后續(xù)分析的要求。

18、在一個(gè)優(yōu)選的實(shí)施方式中，基于地理信息系統(tǒng)和克里金插值建立稻田病害傳播的空間異質(zhì)性模型，明確不同區(qū)域的病害風(fēng)險(xiǎn)程度，具體包括：

19、s301：利用地理信息系統(tǒng)收集稻田地理數(shù)據(jù)，包括經(jīng)緯度、海拔和土壤類(lèi)型；

20、s302：記錄不同稻田區(qū)域內(nèi)的病害樣本數(shù)據(jù)，標(biāo)注每個(gè)病害點(diǎn)的地理坐標(biāo)和病害嚴(yán)重程度；

21、s303：通過(guò)克里金插值法建立空間插值模型，預(yù)測(cè)稻田中未觀測(cè)區(qū)域的病害分布情況：利用已收集的病害樣本數(shù)據(jù)，構(gòu)建半變異函數(shù)；通過(guò)擬合不同的模型，選擇最優(yōu)模型用于插值計(jì)算；采用克里金法對(duì)稻田中未觀測(cè)區(qū)域進(jìn)行插值，預(yù)測(cè)未觀測(cè)區(qū)域的病害分布情況；

22、s304：利用克里金模型計(jì)算稻田中不同區(qū)域的病害空間異質(zhì)性，分析病害的空間分布差異：利用moran’si指數(shù)評(píng)估病害的空間異質(zhì)性：其中，i為moran’si指數(shù)，n為采樣點(diǎn)總數(shù)，wuv表示位置u和v的空間權(quán)重，z(su)為病害數(shù)據(jù)，為平均病害數(shù)據(jù)，u和v表示不同的采樣點(diǎn)索引；

23、基于克里金插值的預(yù)測(cè)結(jié)果，生成稻田的病害空間分布圖；

24、s305：根據(jù)異質(zhì)性分析結(jié)果，將稻田劃分為高、中、低風(fēng)險(xiǎn)區(qū)域，形成病害風(fēng)險(xiǎn)地圖。

25、在一個(gè)優(yōu)選的實(shí)施方式中，采用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后的圖像進(jìn)行特征提取，識(shí)別病蟲(chóng)害特征，病蟲(chóng)害特征包括病蟲(chóng)害的類(lèi)型、位置和嚴(yán)重程度，具體包括：

26、s401：選擇適合的深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，配置網(wǎng)絡(luò)層和參數(shù)以適應(yīng)病蟲(chóng)害圖像特征提取任務(wù)；

27、s402：整理和標(biāo)注圖像數(shù)據(jù)集，進(jìn)行歸一化和增強(qiáng)處理，以提供給神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)；

28、s403：通過(guò)訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，自動(dòng)從圖像中提取病蟲(chóng)害的關(guān)鍵特征；

29、s404：利用訓(xùn)練好的網(wǎng)絡(luò)模型，識(shí)別新圖像中的病蟲(chóng)害類(lèi)型、位置和嚴(yán)重程度，并輸出識(shí)別結(jié)果。

30、在一個(gè)優(yōu)選的實(shí)施方式中，將提取的病蟲(chóng)害特征與空間異質(zhì)性模型相結(jié)合，利用空間自相關(guān)分析方法評(píng)估病害在稻田中的分布模式，具體包括：

31、s501：將提取的病害特征與空間異質(zhì)性模型進(jìn)行融合：將深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別的病害位置與gis系統(tǒng)中的稻田坐標(biāo)對(duì)齊；每個(gè)病害點(diǎn)的嚴(yán)重程度、類(lèi)型等特征與空間模型中的環(huán)境變量結(jié)合，形成具有空間特征的病害樣本集；

32、s502：使用moran'si指數(shù)計(jì)算病害特征的空間自相關(guān)性，評(píng)估病害的聚集或分散模式；

33、s503：分析病害分布的聚集區(qū)域，識(shí)別高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)區(qū)域；

34、s504：根據(jù)空間分布模式評(píng)估病害傳播趨勢(shì)，并基于評(píng)估結(jié)果優(yōu)化病害傳播預(yù)測(cè)模型。

35、在一個(gè)優(yōu)選的實(shí)施方式中，基于病害在稻田中的分布模式的分析結(jié)果，應(yīng)用支持向量機(jī)算法對(duì)病蟲(chóng)害風(fēng)險(xiǎn)進(jìn)行分類(lèi)評(píng)估，生成包含具體位置和風(fēng)險(xiǎn)級(jí)別的預(yù)警信息，具體包括：

36、s601：將病害的空間分布模式與病蟲(chóng)害特征結(jié)合，形成支持向量機(jī)的輸入數(shù)據(jù)集；

37、s602：通過(guò)監(jiān)督學(xué)習(xí)，將已有的病害風(fēng)險(xiǎn)數(shù)據(jù)用于訓(xùn)練支持向量機(jī)分類(lèi)模型，優(yōu)化模型參數(shù)，進(jìn)行多類(lèi)別分類(lèi)；

38、s603：利用訓(xùn)練好的支持向量機(jī)模型，對(duì)未標(biāo)注的區(qū)域進(jìn)行風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)，輸出各個(gè)稻田區(qū)域的病害風(fēng)險(xiǎn)級(jí)別；

39、s604：根據(jù)分類(lèi)評(píng)估結(jié)果，生成包含具體位置和風(fēng)險(xiǎn)級(jí)別的病害預(yù)警信息。

40、另一方面，本發(fā)明提供基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警系統(tǒng)，包括圖像采集校驗(yàn)?zāi)K、圖像處理優(yōu)化模塊、空間模型構(gòu)建模塊、特征提取識(shí)別模塊、空間分析評(píng)估模塊以及風(fēng)險(xiǎn)分類(lèi)預(yù)警模塊；

41、圖像采集校驗(yàn)?zāi)K：獲取覆蓋稻田不同區(qū)域的高分辨率圖像，確保圖像質(zhì)量達(dá)到預(yù)設(shè)閾值后進(jìn)入下一步處理；

42、圖像處理優(yōu)化模塊：對(duì)采集的圖像進(jìn)行去噪、畸變校正和光照均衡處理，使用算法包括中值濾波和直方圖均衡化；

43、空間模型構(gòu)建模塊：基于地理信息系統(tǒng)和克里金插值建立稻田病害傳播的空間異質(zhì)性模型，明確不同區(qū)域的病害風(fēng)險(xiǎn)程度；

44、特征提取識(shí)別模塊：采用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后的圖像進(jìn)行特征提取，識(shí)別病蟲(chóng)害特征，病蟲(chóng)害特征包括病蟲(chóng)害的類(lèi)型、位置和嚴(yán)重程度；

45、空間分析評(píng)估模塊：將提取的病蟲(chóng)害特征與空間異質(zhì)性模型相結(jié)合，利用空間自相關(guān)分析方法評(píng)估病害在稻田中的分布模式；

46、風(fēng)險(xiǎn)分類(lèi)預(yù)警模塊：基于病害在稻田中的分布模式的分析結(jié)果，應(yīng)用支持向量機(jī)算法對(duì)病蟲(chóng)害風(fēng)險(xiǎn)進(jìn)行分類(lèi)評(píng)估，生成包含具體位置和風(fēng)險(xiǎn)級(jí)別的預(yù)警信息。

47、本發(fā)明基于圖像識(shí)別的水稻病蟲(chóng)害預(yù)警方法及系統(tǒng)的技術(shù)效果和優(yōu)點(diǎn)：

48、1、通過(guò)多源高分辨率圖像采集，利用無(wú)人機(jī)、衛(wèi)星遙感和地面攝像設(shè)備，全面覆蓋稻田的不同區(qū)域，確保圖像質(zhì)量達(dá)到預(yù)設(shè)閾值，克服了傳統(tǒng)方法覆蓋范圍有限、數(shù)據(jù)獲取不充分的問(wèn)題。圖像預(yù)處理步驟采用中值濾波和直方圖均衡化，提高了圖像的清晰度和均勻性，為后續(xù)分析奠定了良好基礎(chǔ)?；诘乩硇畔⑾到y(tǒng)和克里金插值方法，建立了稻田病害傳播的空間異質(zhì)性模型，準(zhǔn)確評(píng)估不同區(qū)域的病害風(fēng)險(xiǎn)程度。利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行特征提取，精確識(shí)別病蟲(chóng)害的類(lèi)型、位置和嚴(yán)重程度。

49、2、將提取的特征與空間異質(zhì)性模型相結(jié)合，采用空間自相關(guān)分析方法，深入評(píng)估病害在稻田中的分布模式。最終，應(yīng)用支持向量機(jī)算法對(duì)病蟲(chóng)害風(fēng)險(xiǎn)進(jìn)行分類(lèi)評(píng)估，生成包含具體位置和風(fēng)險(xiǎn)級(jí)別的預(yù)警信息。該方法有效解決了病害空間異質(zhì)性導(dǎo)致的預(yù)警滯后和漏報(bào)問(wèn)題，提高了預(yù)警的準(zhǔn)確性和及時(shí)性，為農(nóng)業(yè)管理者提供了精確、可靠的決策支持，有助于及時(shí)采取針對(duì)性的防控措施，保障水稻生產(chǎn)的安全和穩(wěn)定。