(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 202210443930.9 (22)申请日 2022.04.26 (71)申请人 黑龙江省农业科 学院农业遥感与信 息研究所 地址 150006 黑龙江省哈尔滨市南岗区学 府路368号 (72)发明人 郑妍妍　毕洪文　李杨　张有智　 丁俊杰　宋丽娟　刘克宝　于洋　 曹良子　王敬元　唐立新　庄家煜　 刘艳霞　李岩　黄峰华　刘凯　 付博　袁媛　吴黎　高洪儒　 (74)专利代理 机构 北京国坤专利代理事务所 (普通合伙) 11491 专利代理师 赵红霞(51)Int.Cl. G06V 10/764(2022.01) G06V 10/26(2022.01) G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/34(2022.01) G06Q 50/02(2012.01) G08B 21/10(2006.01) (54)发明名称 一种基于大数据的农业病虫害诊断与预警 系统 (57)摘要 本发明属于农业病虫害诊断与预警技术领 域， 公开了一种基于大数据的农业病虫害诊断与 预警系统， 所述基于大数据的农业病虫害诊断与 预警系统包括： 图像采集模块、 识别模块、 中央控 制模块、 大数据处理模块、 预警模块、 分析模块、 云存储模块、 显示模块。 本发明通过识别模块对 识别出的受病虫害的叶片的患病分类并采取预 防措施， 提高农作物病虫害智能识别率； 同时， 通 过分析模块能够在病虫害发生之前给出病虫害 发生等级的预警分析报告， 内容详尽， 同时给出 相应的防治方法， 有效避免病虫害的发生， 将病 虫害对农作物产量的影 响降低到最小， 避免给国 家和人民造成巨大的经济损失。 权利要求书3页 说明书8页 附图2页 CN 114972843 A 2022.08.30 CN 114972843 A 1.一种基于大数据的农业病虫害诊断与 预警系统， 包括中央控制模块用于控制各个模 块正常工作， 其特征在于， 所述基于大数据的农业病虫害诊断与预警系统包括： 大数据处理 模块， 与中央控制模块连接， 用于通过大数据资源对采集的农业病 虫害图像及农业病 虫害 识别信息进行处 理； 预警模块， 与中央控制模块连接， 用于对农业病虫害 进行预警； 所述通过大数据资源 对采集的图像及识别 信息进行处 理包括： 步骤一， 农业病虫害待识别区域标记， 对农业病虫害图像 中相近像素的标记， 让每个单 独的农业病虫害 待识别区域形成一个 被识别的块； 步骤二， 计算出每块农业病虫害待识别区域的面积， 利用MATLAB函数bwareaopen删除 面积小于一定值的农业病虫害待识别区域， 得到图像相近的农业病虫害图像和非农业病虫 害图像； 步骤三， 利用近似图像分离方法， 将无农业病虫害图像分割出来； 形状用分水岭分割法 将一个连通的农业病虫害待识别区域分割成若干个小面积的农业病虫害待识别区域； 无农 业病虫害图像的农业病虫害待识别区域在是一个呈方形或者类方形的农业病虫害待识别 区域组成， 形状分水岭分割法不会将其分割成小块， 面积远大于非农业病 虫害图像所以可 以利用农业病虫害待识别区域面积将农业病虫害图像提取出来； 再利用MATLAB函数 bwareaopen删除面积小于一定值的农业病虫害待识别区域， 将小面积农业病虫害待识别区 域删除， 留下的就是分割完成后的非农业病虫害图像； 所述近似图像分离方法包括： D＝‑bwdist(～L IBO)； mask＝imextendedmi n(D,2)； D2＝imimposemi n(D,mask)； Ld＝watershed(D2)； Water_spl ited＝LIBO； Water_spl ited(Ld＝ ＝0)＝0； 其中， LIBO为删除小面积后的图像， 首先利用bwdist函数对图像进行距离变换， 利用 imextendedmin函数过滤掉特别小的区域； 最后再使用watershed函数分割得到非农业病虫 害图像； 步骤四， 图像相减， 在包含农业病虫害和非农业病虫害图像原图中， 将 非农业病虫害图 像分割出并计数， 利用Matlab提供的函数imsubtract去除原图中的无农业病虫害图像部分 得到只包含农业病虫害图像的图像， 再利用总面积除以平均面积得出农业病虫害图像数 量； 具体包括： 将包含农业病虫害图像和非农业病虫害图像减去在得到的非农业病虫害图 像， 得到农业病虫害图像； 函数imsub tract为： Z＝imsub tract(X,Y),其中Z为得到的农业病虫害图像图像， X包含 农业病虫害图像和非农业病虫害图像的原始图像， Y为得到的非农业病虫害图像像； 得到非 农业病虫害图像。 2.如权利要求1所述基于大数据的农业病虫害诊断与预警系统， 其特征在于， 农业病虫 害待识别区域标记， 对农业病 虫害图像中相 近像素的标记， 让每个单独的农业病 虫害待识权　利　要　求　书 1/3 页 2 CN 114972843 A 2别区域形成一个 被识别的块具体包括： 利用Matlab中bwlabel函数对血液细胞二值化图像中相近像素进行标记， 每个单独的 农业病虫害 待识别区域形成一个 被识别的块； bwlabel函数为： [P,num1]＝bwlabel(I1,8)， 其中P为标记后的图像； num1为农业病虫 害待识别区域个数； I1为待标记的原图像； 8为参数， 采用8邻域计算农业病虫害待识别区 域。 3.如权利要求1所述基于大数据的农业病虫害诊断与预警系统， 其特征在于， 计算出每 块农业病虫害待识别区域的面积， 利用MATLAB函数bwareaopen删除面积小于一定值的农业 病虫害待识别区域， 得到图像相近的农业病虫害图像和非农业病虫害图像具体包括： 利用regionprops函数来计算被标记的每块农业病虫害待识别区域的面积， regionprops函数为： stats1＝regionp rops(P,'Area')， 其中stats1为一个数据矩阵， 保存 每个农业病虫害待识别区域面积大小； P为得到的被标记后的图像； Area为参数， 用 regionprops函数来计算农业病虫害 待识别区域 面积； 得到各个农业病虫害待识别区域面积之后， 再利用bwareaopen函数删除面积小于 20000的农业病虫害待识别区域， bwareaopen函数为LIBO＝bwareaopen(P,20000,8)， 其中 LIBO为删除小面积后的图像； P为待删除的图像； 20000为自定参数， 用于删除面积小于 20000的农业病虫害 待识别区域； 8为 参数， 采用8邻域计算农业病虫害 待识别区域。 4.如权利要求1所述基于大数据的农业病虫害诊断与预警系统， 其特征在于， 所述基于 大数据的农业病虫害 诊断与预警系统还 包括： 图像采集模块， 与识别模块连接， 用于采集昆虫图像、 作物叶片图像； 识别模块， 与图像采集模块、 中央控制模块连接， 用于对农作物病虫害叶片进行识别； 分析模块， 与中央控制模块连接， 用于对农作物病虫害预警信息进行分析； 云存储模块， 与中央控制模块连接， 用于通过云服务器对采集的图像、 识别信息、 预警 信息、 分析 结果进行存 储； 显示模块， 与中央控制模块连接， 用于通过显示器显示采集的图像、 识别信息、 预警信 息、 分析结果。 5.如权利要求4所述基于大数据的农业病虫害诊断与预警系统， 其特征在于， 所述识别 模块识别方法如下： (1)通过摄像设备实时采集农作物生长环境中的昆虫图像并采用嵌入式图像预处理技 术进行图像预处理， 依据预处理后的昆虫图像的颜色特征和纹理特征 的信息， 判断农作物 是否有可能受到病 虫侵害， 若是， 则进行下一步的叶片图像识别及农作物病 虫害预防的步 骤； 若否， 则不进行 预防操作， 并返回至初始步骤； (2)叶片图像识别及 农作物病虫害预防； 采集农作物病虫害叶片的图像， 通过信息传输方法传输至处理及后端服务端， 在处理 及后端服务端搭载pytorch框架平 台， 结合深度残差网络和Adam算法利用采集的农作物病 虫害叶片图像对卷积神经网络进 行训练； 利用训练好的卷积神经网络测试待识别的可能受 到病虫害的叶片测试集图像； 之后， 对识别出 的受病虫害的叶片进行农作物患病类型 的分 类， 针对农作物患病类型采取喷洒农药或者捕杀害虫的措施。 6.如权利要求5所述基于大数据的农业病虫害诊断与预警系统， 其特征在于， 所述通过权　利　要　求　书 2/3 页 3 CN 114972843 A 3