(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 202211143610.8 (22)申请日 2022.09.20 (71)申请人 广东交通职业 技术学院 地址 510000 广东省广州市天河区天源路 789号 (72)发明人 杨英　丘温河　陈殊　黄昊阳　 黄琼玉　林俊豪　吴浪　黄振杰　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 黎扬鹏 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/02(2012.01) (54)发明名称 基于机器视觉的农作物病虫害 预测方法、 系 统及存储介质 (57)摘要 本发明公开了一种基于机器视觉的农作物 病虫害预测方法、 系统及存储介质， 方法包括： 获 取目标农作物的第一图像信息， 对第一图像信息 进行边缘检测得到目标农作物的若干个叶片轮 廓， 并根据叶片轮廓提取出叶片图像信息； 将叶 片图像信息输入到预先训练好的病变区域识别 模型， 得到目标农作物的病变类型， 并提取出叶 片病变区域； 获取目标区域的第一气象指标信息 和第一环境指标信息； 将第一气象指标信息、 第 一环境指标信息以及叶片病变区域输入到预先 训练好的病虫害预测模型， 得到目标农作物的病 虫害预测结果。 本发明提高了农作物病虫害预测 的效率， 也提高了农作物病虫害预测的准确性和 可靠性， 可广泛应用于农作物灾害预测技术领 域。 权利要求书3页 说明书10页 附图2页 CN 115482465 A 2022.12.16 CN 115482465 A 1.一种基于 机器视觉的农作物病虫害预测方法， 其特 征在于， 包括以下步骤： 获取目标农作物的第 一图像信 息， 对所述第 一图像信 息进行边缘检测得到所述目标农 作物的若干个叶片轮廓， 并根据所述叶片轮廓提取 出叶片图像信息； 将所述叶片图像信 息输入到预先训练好的病变区域识别模型， 得到所述目标农作物的 病变类型， 并提取 出叶片病变区域； 获取目标区域的第 一气象指标信 息和第一环境指标信 息， 所述目标区域为所述目标农 作物所在区域； 将所述第一气象指标信 息、 所述第 一环境指标信 息以及所述叶片病变区域输入到预先 训练好的病虫害预测模型， 得到所述目标农作物的病虫害预测结果。 2.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法， 其特征在于， 所 述对所述第一图像信息进 行边缘检测得到所述目标农作 物的若干个叶片 轮廓， 并根据所述 叶片轮廓提取 出叶片图像信息这 一步骤， 其具体包括： 对所述第一图像信息进行边 缘检测得到若干个连续轮廓； 对所述连续轮廓进行随机霍夫变换， 筛选出符合预设的阈值条件的连续轮廓作为叶片 轮廓； 根据所述叶片轮廓对所述第 一图像信 息进行图像分割， 得到所述目标农作物的叶片图 像信息。 3.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法， 其特征在于， 所 述农作物病虫害预测方法还 包括预先训练病变区域识别模型的步骤， 其具体包括： 获取多个预设的病变叶片图像， 并确定各所述病变叶片图像的病变类型和病变区域； 根据所述病变类型和所述病变区域确定各所述病变叶片图像的第一样本标签， 并根据所述 病变叶片图像和所述第一样本标签构建第一训练样本集； 将所述第一训练样本集输入到预先构建的第 一卷积神经网络， 得到病变类型识别结果 和病变区域识别结果； 根据所述病变类型识别结果、 所述病变区域识别结果以及所述第 一样本标签确定所述 第一卷积神经网络的第一损失值； 根据所述第一损失值 通过反向传播 算法更新所述第一卷积神经网络的参数； 当所述第一损 失值达到预设的第一阈值或迭代次数达到预设的第二阈值， 停止训练， 得到训练好的病变区域识别模型。 4.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法， 其特征在于， 所 述获取目标区域的第一气象指标信息和第一环境指标信息这 一步骤， 其具体为： 根据天气预报信 息确定目标区域的第 一气象指标信 息， 并通过传感器获取所述目标区 域的第一环境指标信息； 其中， 所述第 一气象指标信息包括空气 温湿度、 光照时长、 大气压强以及降雨量中的至 少一种， 所述第一环境指标信息包括土壤温湿度、 土壤氮磷钾含量以及光照强度中的至少 一种。 5.根据权利要求1所述的一种基于机器视觉的农作物病虫害预测方法， 其特征在于， 所 述农作物病虫害预测方法还 包括预先训练病虫害预测模型的步骤， 其具体包括： 获取多个预设的病虫害农作物的病变区域图像， 确定所述病虫害农作物的第 二气象指权　利　要　求　书 1/3 页 2 CN 115482465 A 2标信息和第二环境指标信息， 进而根据所述病变区域图像、 所述第二气象指标信息以及所 述第二环境指标信息确定第二训练样本； 通过人工标注确定各所述病虫害农作物的病虫害类型标签， 根据 所第二训练样本和所 述病虫害类型 标签构建第二训练样本集； 将所述第二训练样本集输入到预先构建的第 二卷积神经网络， 得到病虫害类型识别结 果； 根据所述病虫害类型识别结果和所述病虫害类型标签确定所述第二卷积神经网络的 第二损失值； 根据所述第二损失值 通过反向传播 算法更新所述第二卷积神经网络的参数； 当所述第二损 失值达到预设的第三阈值或迭代次数达到预设的第 四阈值， 停止训练， 得到训练好的病虫害预测模型。 6.根据权利要求1至5中任一项所述的一种基于机器视觉的农作物病虫害预测方法， 其 特征在于， 所述农作物病虫害预测方法还 包括以下步骤： 根据所述病虫害预测结果生成预警信 息， 并将所述预警信 息发送至所述目标区域的管 理人员。 7.一种基于 机器视觉的农作物病虫害预测系统， 其特 征在于， 包括： 叶片图像信息提取模块， 用于获取目标农作物的第一图像信息， 对所述第一图像信息 进行边缘检测得到所述目标农作 物的若干个叶片轮廓， 并根据所述叶片 轮廓提取出叶片图 像信息； 叶片病变区域识别模块， 用于将所述叶片图像信 息输入到预先训练好的病变区域识别 模型， 得到所述目标农作物的病变 类型， 并提取 出叶片病变区域； 气象与环境指标获取模块， 用于获取目标区域的第 一气象指标信 息和第一环境指标信 息， 所述目标区域 为所述目标农作物所在区域； 预测模块， 用于将所述第一气象指标信息、 所述第一环境指标信息以及所述叶片病变 区域输入到预 先训练好的病虫害预测模型， 得到所述目标农作物的病虫害预测结果。 8.根据权利要求7所述的一种基于机器视觉的农作物病虫害预测系统， 其特征在于， 所 述叶片图像信息提取模块包括： 边缘检测单 元， 用于对所述第一图像信息进行边 缘检测得到若干个连续轮廓； 轮廓筛选单元， 用于对所述连续轮廓进行随机霍夫变换， 筛选出符合预设的阈值条件 的连续轮廓作为叶片轮廓； 图像分割单元， 用于根据所述叶片轮廓对所述第一图像信息进行图像分割， 得到所述 目标农作物的叶片图像信息 。 9.一种基于 机器视觉的农作物病虫害预测装置， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现如权 利要求1至 6中任一项所述的一种基于 机器视觉的农作物病虫害预测方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于， 所述处 理器可执行 的程序在由处理器执行时用于执行如权利要求1至6中任一项所述的一种基于权　利　要　求　书 2/3 页 3 CN 115482465 A 3