技术领域
[0001] 本发明涉及茶叶虫害识别技术领域，尤其涉及一种基于图像识别的茶叶茎叶病虫害识别方法。
相关背景技术
[0002] 随着茶产业的迅速发展，全球茶叶种植面积不断扩大，茶园的种植规模也飞速增长。但这种大面积的单一化种植方式破坏了生态平衡，园中缺乏多样性的植物种类和生态系统，使得茶树更容易受到病虫害的侵害。茶园作为茶叶生产的重要基地，面临着巨大的病虫害威胁，病虫害的侵害导致茶树生长受限、茶叶质量和产量下降，带来了巨大的经济损失；
[0003] 但是，在现有的技术中，无法对茶叶茎叶拍摄设备进行安全监管，进而降低茶叶茎叶图像的质量，影响茶叶茎叶病虫害识别效率，同时无法对茶叶茎叶图像的处理进行安全管控，导致识别效率受图像处理影响而降低，不利于茶叶茎叶图像稳定识别，进而降低茶叶茎叶的管理效率；
[0004] 针对上述的技术缺陷，现提出一种解决方案。
具体实施方式
[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0044] 实施例一：
[0045] 请参阅图1所示，本发明为一种基于图像识别的茶叶茎叶病虫害识别方法，包括以下步骤：
[0046] 步骤一：采集拍摄设备的历史信息、实况表现信息以及环境参数信息，同时采集图像处理信息，并存储；
[0047] 步骤二：通过调取步骤一中的历史信息，历史信息包括历史图像数据和工作调控数据，并对历史信息进行历史遗留拍摄干扰分析，若得到正常指令，则进入步骤四，若得到遗留性指令，则反馈管理；
[0048] 步骤三：用于调取步骤一中的环境参数信息，并对环境参数信息进行拍摄吸附式影响监管分析，得到吸附指数XF，并进入步骤四；
[0049] 步骤四：用于响应正常指令和步骤一中的调取实况表现信息，实况表现信息包括状态表现数据和运行特征数据，并对实况表现信息进行拍摄质量风险监管操作，若得到稳定指令，则进入步骤六，若得到告警指令，则反馈管理；
[0050] 步骤五：用于调取步骤一中的图像处理信息，图像处理信息包括处理出错次数和处理总次数，并对图像处理信息进行图像处理安全监管评估分析，若得到合格指令，则进入步骤六，若得到不合格指令，则反馈管理；
[0051] 步骤六：通过信息反馈和信息融合的方式进行图像识别划分分流分析，以了解目标图像的具体虫害情况，并对目标图像进行划分、存储。
[0052] 具体的历史遗留拍摄干扰分析过程如下：
[0053] 获取到茶叶茎叶图像的拍摄设备工作时段，并将其设定为时间阈值，获取到时间阈值内拍摄设备的历史图像数据，历史图像数据包括拍摄图像总张数和不达标图像张数，不达标图像张数表示图像清晰度低于设定图像清晰度，获取到不达标图像张数与拍摄图像总张数之间的比值，并将不达标图像张数与拍摄图像总张数之间的比值设定为拍摄优化值，需要说明的是，拍摄优化值的数值越大，则拍摄设备接下来拍摄风险越大；
[0054] 获取到时间阈值内拍摄设备的工作调控数据，工作调控数据表示调控总次数和实际偏差次数，实际偏差次数表示拍摄设备额定拍摄角度实际调控角度偏离设定拍摄角度，获取到实际偏差次数与调控总次数之间的比值，并将实际偏差次数与调控总次数之间的比值设定为拍摄受限值，需要说明的是，拍摄受限值的数值越大，则拍摄设备接下来拍摄异常风险越大；
[0055] 将拍摄优化值和拍摄受限值与其内部录入存储的预设拍摄优化值阈值和预设拍摄受限值阈值进行比对分析：
[0056] 若拍摄优化值小于预设拍摄优化值阈值，且拍摄受限值小于预设拍摄受限值阈值，则生成正常指令，当生成正常指令时立即做出正常指令所对应的预设预警操作，以便直观的了解到拍摄设备的状态情况；
[0057] 若拍摄优化值大于等于预设拍摄优化值阈值，或拍摄受限值大于等于预设拍摄受限值阈值，则生成遗留性指令，当生成遗留性指令时，立即做出遗留性指令所对应的预设预警操作，以便根据预警操作反馈情况对拍摄设备进行管理调控，以降低拍摄设备对接下来的图像拍摄造成影响，有助于提高拍摄设备的图像拍摄质量和运行安全性；
[0058] 具体的拍摄吸附式影响监管分析过程如下：
[0059] 获取到距离当前最近一次维护结束时刻到当前时刻之间的时长，并将其设定为分析时长，以拍摄设备为圆心，R1为半径，将围绕拍摄设备画圆得到的区域设定为环境干扰区域，获取到分析时长内拍摄设备所处环境干扰区域的环境参数信息所对应的数值超出预设阈值所对应的持续时长，并将其设定为遮挡风险时长，环境参数信息包括环境湿度值、环境粉尘浓度值等，获取到环境参数信息所对应遮挡风险时长的重合部分，并将其设定为吸附风险时长，需要说明的是，吸附风险时长的数值越大，则环境中粉尘吸附在拍摄设备镜面上的风险越大；
[0060] 进而获取到吸附风险时长与分析时长之间的比值，并将吸附风险时长与分析时长之间的比值设定为吸附遮挡系数，将吸附遮挡系数与存储的预设吸附遮挡系数区间进行比对分析，将吸附遮挡系数小于预设吸附遮挡系数区间中的最小值，则判定吸附遮挡系数为一级指数，将吸附遮挡系数属于预设吸附遮挡系数区间，则判定吸附遮挡系数为二级指数，将吸附遮挡系数大于预设吸附遮挡系数区间中的最大值，则判定吸附遮挡系数为三级指数，其中，一级指数、二级指数以及三级指数所对应的拍摄影响依次增大，将一级指数、二级指数以及三级指数设定为吸附指数XF，XF=2，4，6，当吸附指数XF=2，则表示一级指数，当吸附指数XF=4，则表示二级指数，当吸附指数XF=6，则表示三级指数，需要说明的是，2，4，6分别为一级指数、二级指数以及三级指数所对应的设定数值，即可以根据实际需要进行预设；
[0061] 同时当生成正常指令时，对实况表现信息进行拍摄质量风险监管操作，以便根据预警操作反馈情况对拍摄设备进行采集优化管理，以降低拍摄设备的图像采集受阻风险，同时提高拍摄设备的图像采集效率和质量，具体的拍摄质量风险监管操作过程如下：
[0062] 将时间阈值划分为i个子时间段，i为大于零的自然数，获取到各个子时间段内拍摄设备的状态表现数据，状态表现数据表示运行电压、能耗值等，获取到状态表现数据所对应的变化曲线，并将其设定为表现分析曲线，获取到表现分析曲线位于预设表现分析曲线上方线段所对应的时长，并将其设定为偏离时长，获取到偏离时长大于预设偏离时长阈值所对应的子时间段个数的占比值，并将其设定为拍摄风险值PF，需要说明的是，拍摄风险值PF的数值越大，拍摄设备图像拍摄异常风险越大；
[0063] 获取到时间阈值内拍摄设备的运行特征数据，运行特征数据包括温失控系数、响应误差值等，温失控系数表示拍摄设备内部温度值超出预设温度值所对应的部分，响应误差值表示开始接收指令时刻到开始执行指令时刻之间的时长，获取到运行特征数据所对应的数值大于预设阈值的个数，并将其设定为运行管控值YG，需要说明的是，运行管控值YG的数值越大，拍摄设备图像拍摄异常风险越大；
[0064] 根据公式 得到图像采集风险系数，其中，a1、a2以及a3分别为拍摄风险值、运行管控值以及吸附指数的预设比例因子系数，比例因子系数用于修正各项参数在公式计算过程中出现的偏差，从而使得计算结果更加准确，a4为预设修正因子系数，a1、a2、a3以及a4均大于零，K为图像采集风险系数，将图像采集风险系数K与其内部录入存储的预设图像采集风险系数阈值进行比对分析：
[0065] 若图像采集风险系数K与预设图像采集风险系数阈值之间的比值小于1，则生成稳定指令；
[0066] 若图像采集风险系数K与预设图像采集风险系数阈值之间的比值大于等于1，则生成告警指令，当生成告警指令时，立即做出告警指令所对应的预设预警操作，即告警指令所对应的预设预警操作为“指示灯为黄色”，以便根据预警操作反馈情况对拍摄设备进行采集优化管理，以降低拍摄设备的图像采集受阻风险，同时提高拍摄设备的图像采集效率和质量，有助于提高拍摄设备的图像有效性。
[0067] 实施例二：
[0068] 从图像处理的角度进行图像处理安全监管评估分析，以保证图像处理的有效性和可靠性，进而有助于提高后续图像识别的准确性，同时降低图像处理对后续识别的影响，具体的图像处理安全监管评估分析过程如下：
[0069] 获取到时间阈值内图像处理部件的图像处理项目，图像处理项目包括筛分、缩放等，获取到图像处理项目中图像的处理出错次数与处理总次数之间的比值，并将处理出错次数与处理总次数之间的比值设定为图像处理值，同时获取到时间阈值内图像处理部件的图像处理总时长，获取到图像处理总时长中卡顿时长的占比值，并将图像处理总时长中卡顿时长的占比值设定为处理阻碍比，以及获取到时间阈值内图像处理部件的图像处理速率曲线，从图像处理速率曲线中获取到最大波峰值和最小波谷值，并将最大波峰值和最小波谷值之间的差值设定为处理速率跨度值，需要说明的是，图像处理值、处理阻碍比以及处理速率跨度值是三个反映图像识别过程中图像处理性能的影响参数，图像处理值、处理阻碍比以及处理速率跨度值的数值越大，则图像处理性能风险越大，处理效率降低风险越大，对识别的影响程度越深；
[0070] 将图像处理值、处理阻碍比以及处理速率跨度值与其内部录入存储的预设图像处理值阈值、预设处理阻碍比阈值以及预设处理速率跨度值阈值进行比对分析：
[0071] 若满足图像处理值、处理阻碍比以及处理速率跨度值均小于预设图像处理值阈值、预设处理阻碍比阈值以及预设处理速率跨度值阈值，则生成合格指令；
[0072] 若不满足图像处理值、处理阻碍比以及处理速率跨度值均小于预设图像处理值阈值、预设处理阻碍比阈值以及预设处理速率跨度值阈值，则生成不合格指令，当生成不合格指令时，立即显示不合格指令所对应的预设预警文字，即不合格指令所对应的预设预警文字为“图像处理待优化”，以便根据反馈文字对图像处理进行优化调整，以提高图像识别效率；
[0073] 在生成合格指令和稳定指令时，通过信息融合的方式对处理后的茶叶茎叶图像进行图像识别划分分流分析，以了解茶叶茎叶图像的具体虫害情况，具体的图像识别划分分析过程如下：
[0074] 获取到时间阈值内处理后的茶叶茎叶图像，并将其设定为目标图像，并对目标图像进行判别处理：
[0075] 若目标图像属于病虫害图像，则将目标图像标记为有害图像；
[0076] 若目标图像不属于病虫害图像，则将目标图像标记为正常图像，将正常图像存入设定正常图像库中进行存储；
[0077] 获取到有害图像与设定有害图像库中各个病虫害图层的匹配相似度，并将有害图像与设定有害图像库中各个病虫害图层的匹配相似度设定为划分评估值，若划分评估值满足对应病虫害图层的预设划分评估范围，则将有害图像存储至对应的病虫害图层中；
[0078] 综上所述，本发明通过从图像拍摄和图像处理两个角度进行分析，以提高后续图像识别的准确性，即从图像拍摄的角度对历史信息进行历史遗留拍摄干扰分析，以降低拍摄设备历史潜在干扰对接下来的图像拍摄造成影响，有助于提高拍摄设备的图像拍摄质量和运行安全性，而在拍摄设备正常前提下，通过信息反馈的方式对实况表现信息进行拍摄质量风险监管操作，且结合环境对拍摄镜面影响情况进行分析，有助于提高分析数据的全面性，以便根据预警操作反馈情况对拍摄设备进行采集优化管理，以降低拍摄设备的图像采集受阻风险，同时提高拍摄设备的图像采集效率和质量，而从图像处理的角度进行图像处理安全监管评估分析，以保证图像处理的有效性和可靠性，进而有助于提高后续图像识别的准确性，同时降低图像处理对后续识别的影响，而在图像拍摄和图像处理均正常的前提下，通过信息反馈和信息融合的方式进行图像识别划分分流分析，以了解目标图像的具体虫害情况，并对目标图像进行划分、存储，同时有助于对茶叶茎叶进行有效的病虫害治理。
[0079] 阈值的大小的设定是为了便于比较，关于阈值的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量；只要不影响参数与量化后数值的比例关系即可。
[0080] 上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置，以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
