柑橘黄龙病检测方法、装置、设备及介质

本技术涉及农业生产领域，尤其涉及一种柑橘黄龙病检测方法、相应的装置、电子设备及计算机可读存储介质。

背景技术：

1、柑橘是世界第一大水果种类，因柑橘类水果其富含维生素c，消费者对柑橘水果的需求呈积极趋势。因此，保证柑橘的产量及品质对于世界柑橘产业而言都至关重要。而柑橘黄龙病是柑橘的重要病害之一，具有毁灭性，会造成柑橘大幅度减产、果实品质下降。柑橘黄龙病主要由候选韧皮部杆菌(candidatus liberibacter spp.)侵染引起。

2、柑橘黄龙病是苗木检疫中的重要检疫对象。目前，对柑橘黄龙病病株进行及时检出，采取有效的水肥控制、病株移除等措施，是应对柑橘黄龙病危害的重要手段。

3、柑橘黄龙病主要由候选韧皮部杆菌(candidatus liberibacter spp.)侵染引起病菌胁迫病害，且目前柑橘黄龙病病菌还无法在作物体外培养，所以柑橘黄龙病的检测和防治一直是柑橘果园管理的难题；缺素型黄化病，主要指由果树营养元素(氮、钾、镁、锌、锰等)缺乏所引起的症状，目前，柑橘黄龙病以及缺素型黄化病的柑橘果实肉眼难以区分，其检测效率及检测精度不高，无法及时有效的黄龙病病株信息，从而导致错过病害的最好防治时机。

4、综上所述，适应现有技术中柑橘黄龙病以及缺素型黄化病的柑橘果实肉眼难以区分，其检测效率及检测精度不高，无法及时有效的黄龙病病株信息，从而导致错过病害的最好防治时机等问题，本技术出于解决该问题的考虑作出相应的探索。

技术实现思路

1、本技术的目的在于解决上述问题而提供一种柑橘黄龙病检测方法、相应的装置、电子设备及计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提出的一种柑橘黄龙病检测方法，包括：

4、响应柑橘黄龙病检测指令，获取各个柑橘果实相对应的病害画像，其中，所述病害画像包含柑橘果实荧光图像中的多个颜色空间中的多个特征参数；

5、调用预设的柑橘病害分类模型根据所述多个颜色空间中的多个特征参数，预测出所述柑橘果实的病害画像为黄龙病类型的病害标签的分类概率；

6、计算确定所述柑橘果实相对应的病害画像中所述多个颜色空间中的多个特征参数对于所述分类概率的特征贡献度，确定出所述多个颜色空间中的多个特征参数的特征贡献度所命中的贡献分级数值频段所属的贡献等级，将所述病害画像中达到目标贡献等级的特征参数构建样本数据集；

7、采用以所述样本数据集训练出的柑橘病害分类模型，为待检测柑橘果实相对应的病害画像预测出其相对应的黄龙病类型的病害标签，以完成柑橘黄龙病类型的检测。

8、可选的，所述多个颜色空间包括rgb颜色空间、hsv颜色空间、lab颜色空间以及ycbcr颜色空间；

9、所述多个颜色空间包括rgb颜色空间、hsv颜色空间、lab颜色空间以及ycbcr颜色空间；所述特征参数包括rgb颜色空间、lab颜色空间、ycbcr颜色空间中各个通道相对应的平均值、中值、最大值，rgb颜色空间中红色通道、绿色通道以及蓝色通道任意两项之间的比值，lab颜色空间中亮度、从绿色到红色的轴、从蓝色到黄色的轴任意两项之间的比值，ycbcr颜色空间中明度、蓝色色度成分和红色色度成分任意两项的比值。可选的，获取各个柑橘果实相对应的病害画像的步骤之前,包括：

10、确定荧光图像中的rgb颜色空间的红色通道、绿色通道以及蓝色通道，并确定所述红色通道、绿色通道以及蓝色通道相对应的最小阈值以及最大阈值；

11、基于所述红色通道、绿色通道以及蓝色通道相对应的最小阈值以及最大阈值选取所述荧光图像中的柑橘果实荧光图像；

12、采用中值滤波及腐蚀、膨胀操作，对所述柑橘果实荧光图像的噪音进行消除，并保留面积大于预设像素阈值的轮廓，生成所述轮廓相对应的掩码图像；

13、在所述掩码图像中提取所述柑橘果实荧光图像中的多个颜色空间中的多个特征参数。

14、可选的，计算确定所述柑橘果实荧光图像中所述多个颜色空间中的多个特征参数对于所述分类概率的特征贡献度的步骤，包括：

15、调用预设的卡方检验算法，基于所述卡方检验算法计算确定所述柑橘果实荧光图像中的多个颜色空间中的多个特征参数对于所述分类概率的特征贡献度，所述卡方检验算法的表达式为：

16、

17、其中，χ2为特征贡献度，oi是各个特征参数的观测频数，ei是各个特征参数的期望频数。

18、可选的，训练柑橘病害分类模型的步骤，包括：

19、确定出所述多个颜色空间中的多个特征参数的特征贡献度所命中的贡献分级数值频段所属的贡献等级，将所述病害画像中达到目标贡献等级的特征参数构建样本数据集，其中，所述样本数据集包含多个柑橘果实样本，每个柑橘果实样本包含单个柑橘果实的病害画像以及其相对应的病害标签，所述病害标签标注为黄龙病类型或缺素型黄化病类型；

20、采用所述样本数据集训练所述柑橘病害分类模型，为所述样本数据集中的各个病害画像预测出其对应的黄龙病类型的病害标签的分类概率；

21、当所述黄龙病类型的病害标签的分类概率大于概率阈值或达到预设迭代次数时，以确定所述柑橘病害分类模型训练至收敛状态。

22、可选的，确定出所述多个颜色空间中的多个特征参数的特征贡献度所命中的贡献分级数值频段所属的贡献等级的步骤之前，包括：

23、确定各个病害画像中多个颜色空间中的多个特征参数相对应的特征贡献度；

24、基于所述多个颜色空间中的多个特征参数相对应的特征贡献度的数据分布，划分设定多个贡献等级相对应的贡献分级数值频段。

25、可选的，所述柑橘病害分类模型的基础网络架构为随机森林分类器。

26、适应本技术的另一目的而提供的一种柑橘黄龙病检测装置，包括：

27、病害画像确定模块，设置为响应柑橘黄龙病检测指令，获取各个柑橘果实相对应的病害画像，其中，所述病害画像包含柑橘果实荧光图像中的多个颜色空间中的多个特征参数；

28、分类概率确定模块，设置为调用预设的柑橘病害分类模型根据所述多个颜色空间中的多个特征参数，预测出所述柑橘果实的病害画像为黄龙病类型的病害标签的分类概率；

29、特征贡献等级确定模块，设置为计算确定所述柑橘果实相对应的病害画像中所述多个颜色空间中的多个特征参数对于所述分类概率的特征贡献度，确定出所述多个颜色空间中的多个特征参数的特征贡献度所命中的贡献分级数值频段所属的贡献等级，将所述病害画像中达到目标贡献等级的特征参数构建样本数据集；

30、黄龙病检测模块，设置为采用以所述样本数据集训练出的柑橘病害分类模型，为待检测柑橘果实相对应的病害画像预测出其相对应的黄龙病类型的病害标签，以完成柑橘黄龙病类型的检测。

31、适应本技术的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述柑橘黄龙病检测方法的步骤。

32、适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述柑橘黄龙病检测方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。

33、相对于现有技术，本技术针对现有技术中柑橘黄龙病以及缺素型黄化病的柑橘果实肉眼难以区分，其检测效率及检测精度不高，无法及时有效的黄龙病病株信息，从而导致错过病害的最好防治时机等问题,本技术包括但不限于如下

34、有益效果：

35、本技术能够快速、准确地区分出柑橘黄龙病以及缺素型黄化病的柑橘果实，大大提高检测效率及检测精度，基于柑橘果实荧光图像中的多个颜色空间中的多个特征参数构建柑橘病害分类模型，根据由卡方检验优选出的柑橘果实荧光图像中的多个颜色空间中的多个特征参数构建柑橘病害分类模型，模型能够很好反映柑橘果实的健康状态，采用随机森林分类器根据柑橘果实荧光图像中的多个颜色空间中的多个特征参数训练获得的柑橘病害分类模型在测试集的分类准确率较高，能够实现对柑橘果实黄龙病的无损，快速检测，能够为柑橘果园在冬季采后的黄龙病筛查及春季的果园管理决策提供很好的数据支撑。