基于机器视觉的稻麦常见病害自动监测与测报系统

Wilfried

   据联合国粮食及农业组织调查，全世界每年因病虫害引起的粮食减产占粮食总产量的20%-40%，经济损失达到了1200亿美元. 而在我国，每年发生的病虫草害面积达2.36亿hm2/次，每年因此而损失粮食15%左右。此外，在农作物病害防治过程中，因测报不够精确导致过量施用农药，不仅增加了农业生产成本，而且破坏了生态环境。

   农作物传统病害测报方法一般为田间肉眼观察和人工统计测报。田间观察一般由植保人员下田检测，存在易受环境因素、人为因素影响，人工观察病害精度不够精确，且投入的劳动力成本相对较高等缺点。而人工统计测报是对观察数据进行汇总与分析并做出病虫害防治情报，缺乏时效性，且没有常见病害数据库对含有检测日期、地区、时间段、样本总数以及检测所得的病害种类与病级等数据信息进行保存供研究、分析和测报使用。

   通过与多位植保专家的讨论，本项目选择了7种水稻和小麦的常见病害进行研究，这7种病害的发病率可达到稻麦总病害的90%左右。

   基于机器视觉的稻麦常见病害自动检测与测报系统由高速双面扫描装置，嵌入式计算机，稻麦病害显示模块以及系统平台构成。

   我们制作的产品样机如视频所示。在系统主界面中可以选择水稻病害检测或小麦病害检测。装置可通过读取本地图片或直接进行扫描对稻麦病害进行检测并显示病害检测结果。包括稻麦受何种病害以及病级。

   此外，通过数据库不断扩展，可定期更新装置的检测与识别软件，使得装置检测和识别病害的准确度不断提高。稻麦检测系统原理如下：通过高速双面扫描装置对待检测植物进行扫描，扫描图像传入嵌入式计算机中，通过小麦病害检测子系统或水稻病害检测子系统对病害进行检测，装置可将原始图片以及检测结果等数据信息通过远程通信模块上传至数据平台。

   稻麦病害检测方法流程图：首先，对植物区域进行裁剪。再将背景、植物、斑纹进行分割。通过统计像素并提取有效特征。结合病斑轮廓、纹理进行病害类型识别，以及计算病斑面积进行定级评价。

   本产品应用广泛，可用于检测水稻、小麦的多种常见病害。并且，随着产品的不断完善，该系统及技术可用于其他所有农作物。

   通过基于机器视觉的稻麦常见病害自动检测与测报系统，可以实现水稻、小麦病害的人工智能测报，减少了工作量，解放了劳动力。

   搭建了稻麦测报与咨询平台实现数据储存，方便了农场，植保站，种田大户之间的信息交流。还可以及时发布病害测报信息。

   装置采用机器精测细化了检测对象，对作物病害状况进行准确、快速的判断。可实现对病害作物进行变量施药，既能减少农药用量，又能达到及时防治的目的。减少了种植成本，保护了生态环境。

   本系统的研发，推动了我国植保新技术的发展，保障了国家粮食安全，农产品质量安全，生态环境安全，加速了我国农业现代化进程。

syl312

你的制作过程呢？

jasonpotter

广告？农业也想抢饭？