[发明专利]一种小麦条锈病演化规律可视化表现方法有效
申请号: | 201810444195.7 | 申请日: | 2018-05-10 |
公开(公告)号: | CN108596907B | 公开(公告)日: | 2021-06-15 |
发明(设计)人: | 孙云云;江朝晖;缪振兴;贾新宇;魏雅鹛 | 申请(专利权)人: | 安徽农业大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62;G06T3/40 |
代理公司: | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人: | 何梅生 |
地址: | 230036 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 小麦 条锈病 演化 规律 可视化 表现 方法 | ||
1.一种小麦条锈病演化规律可视化表现方法,其特征按如下步骤进行:
步骤1:按如下过程进行区域划分:
步骤1.1:将被监测区域划分为各子区域,构成被监测区域的子区域集合Q表征为:Q={Qi},i=1,2,3,…,m,区域Qi是指第i个子区域,m为子区域的总数;
步骤1.2:针对每个子区域中的所有小麦进行编号,区域Qi内的小麦植株集合Pi表征为:Pi={Pi,j},j=1,2,3,…,n;小麦植株Pi,j是指区域Qi内的第j株小麦,n为区域Qi内的小麦植株总数;
步骤1.3:针对每株小麦中的所有叶片进行编号,小麦植株Pi,j中的叶片集合Li,j表征为:Li,j={Li,j,k},k=1,2,3,…,s;叶片Li,j,k是指小麦植株Pi,j中的第k个叶片,s为小麦植株Pi,j中的叶片总数;
步骤2:按如下过程采集获得已发生条锈病的小麦叶片图像:
采集获得t时刻的小麦叶片Li,j,k的图像T1,判断图像T1是否具有条锈病特征;
若所述图像T1具有条锈病特征,将t时刻关于小麦叶片Li,j,k的条锈病标记符号Si,j,k,t置为1;针对所述图像T1,计算获得叶片病斑面积A1和叶片面积A2,所述面积单位为px;将所述图像T1保存在存储区M1i,j,k,t中;对所述图像T1进行处理获得图像T2,所述处理是指去除复杂背景,只保留条锈病病斑,将所述图像T2保存在存储区M2i,j,k,t中,随后进入步骤3;
若所述图像T1中不具有条锈病特征,将t时刻关于小麦叶片Li,j,k条锈病标记符号Si,j,k,t置为0,随后进入步骤3;
步骤3:按如下过程在叶部、植株和子区域三个尺度下分别统计小麦条锈病受害程度:
步骤3.1:由式(1)计算获得小麦叶片Li,j,k的叶部相对病害程度R1i,j,k,t:
步骤3.2:由式(2)计算获得小麦植株Pi,j的植株相对病害程度R2i,j,t:
式(2)中N为小麦植株Pi,j中的具有条锈病特征叶片的个数,
步骤3.3:由式(3)计算获得区域Qi中的区域相对病害程度R3i,t
步骤4:按如下步骤将叶部相对病害程度、植株相对病害程度以及区域相对病害程度分别作为式(4)所表征的三维螺旋线数学模型中的参数建立三层模型:
式(4)中ρ为常数,F(t)为病害程度变量,G(t)是位置变量,H(t)是时间变量;
所述三层模型分别是:
利用叶片集合Li,j建立第一层模型;所述第一层模型为叶部模型,用于展示小麦条锈病在叶部尺度上的病斑发生规律,以及集合Li,j内具有条锈病特征的叶片的分布规律;
利用小麦植株集合Pi建立第二层模型;所述第二层模型为植株模型,用于展示小麦条锈病在植株尺度上的病害程度变化规律,以及在集合Pi内具有条锈病叶片的植株的分布规律;
利用子区域集合Q建立第三层模型;所述第三层模型为区域模型,用于展示小麦条锈病在区域范围内病害的发展规律,以及在集合Q内各子区域病害程度的分布规律。
2.根据权利要求1所述的小麦条锈病演化规律可视化表现方法,其特征是,在所述步骤4中按如下过程建立三层模型:
步骤2.1:将式(4)中的病害程度变量F(t)、位置变量G(t)和时间变量H(t)一一对应分别由式(5)、式(6)和式(7)所表征的叶部病害程度变量F1(t)、位置变量G1(t)和时间变量H1(t)代替,从而获得第一层模型,即植株内叶部模型;
F1(t)=R1i,j,k,t (5);
位置变量G1(t)是指集合Li,j中叶片Li,j,k在螺旋模型上的弧度大小;Δt表示时刻t和时刻t+1之间的时间间隔,时间变量H1(t)是指集合Li,j中叶片Li,j,k所在z轴的位置;
在三维直角坐标系中绘制第一层模型,绘制过程中,根据叶部病害程度变量F1(t)值的大小来设定相应的所绘制的点(x,y,z)的颜色,若F1(t)>0,将M2i,j,k,t中条锈病病斑图片缩放到对应节点上;
在所述第一层模型中,螺旋结构中用弧度来表示不同叶片位置、用不同高度来表示不同时刻、用离中心轴线的距离来表示不同条锈病程度;
在三维直角坐标系中作所述第一层模型的螺旋线在xoy平面的投影获得投影图形T3,将所述投影图形T3保存在存储区M3i,j,t中,以所述投影图形T3展示植株内具有条锈病特征的叶片的分布规律;
在xoy平面上过原点作θ=G1(t)的射线,沿z轴正方向平移该射线则形成平面d1,将所述平面d1与所述第一层模型的螺旋线的交点的集合中的条锈病病斑图像按照时间顺序拼接成图像T4,将图像T4保存在存储区M4i,j,k,t中,以所述图像T4展示小麦条锈病在病斑尺度上的发生规律;
步骤2.2:将式(4)中的病害程度变量F(t)、位置变量G(t)和时间变量H(t)一一对应分别由式(8)、式(9)和式(10)所表征的植株病害程度变量F2(t)、位置变量G2(t)和时间变量H2(t)代替,从而获得第二层模型,即植株模型:
F2(t)=R2i,j,t (8);
位置变量G2(t)是指小麦集合Pi中植株Pi,j在螺旋模型的弧度大小;Δt表示时刻t和时刻t+1之间的时间间隔,时间变量H2(t)是指集合Pi中植株Pi,j所在z轴的位置;
在三维直角坐标系中绘制第二层模型,绘制过程中,根据植株病害程度变量F2(t)值的大小来设定相应的所绘制的点(x,y,z)的颜色,若F2(t)>0,将M3i,j,t中的投影图形缩放到对应节点上;
在所述第二层模型中,螺旋结构中用弧度来表示不同植株、用不同高度来表示不同时刻、用离中心轴线的距离来表示不同植株病害程度;
在三维直角坐标系中作所述第二层模型的螺旋线在xoy平面的投影获得投影图形T5,投影图形T5保存在存储单元M5i,t中,以所述投影图形T5展示子区域中小麦患病植株分布规律;
在xoy平面上过原点作θ=G2(t)的射线,沿z轴正方向平移该射线所产生的平面d2,所述平面d2与所述第二层模型的螺旋线交点集合中的投影图形按照时间先后拼接成图像T6并保存在M6i,j,t中,所述图像T6展示植株Pi,j中的条锈病叶片病害程度变化规律;
步骤2.3:将式(4)中的病害程度变量F(t)、位置变量G(t)和时间变量H(t)一一对应分别由式(11)、式(12)和式(13)所表征的区域病害程度变量F3(t)、位置变量G3(t)和时间变量H3(t)代替,从而第三层模型,即区域模型;
F3(t)=R3i,j,t (11);
位置变量G3(t)是指集合Q中子区域Qi在螺旋模型上的弧度大小;Δt表示时刻t和时刻t+1之间的时间间隔,时间变量H3(t)是指集合Q中子区域Qi所在z轴的位置;
在三维直角坐标系中绘制第三层模型,绘制过程中,根据区域病害程度变量F3(t)值的大小来设定相应的所绘制的点(x,y,z)的颜色,若F3(t)>0,将M5i,t中的投影图形缩放到对应节点上;
所述第三层模型,螺旋结构中用弧度来表示不同子区域、用不同高度来表示不同时刻、用离中心轴线的距离来表示不同区域病害程度;
在三维直角坐标系中作所述第三层模型的螺旋线在xoy平面的投影获得投影图形T7,将投影图形T7保存在存储单元M7t中,以所述投影图形T7展示各子区域发生程度的分布规律;
在xoy平面上过原点作θ=G3(t)的射线,沿z轴正方向平移该射线形成平面d3,将所述平面d3与所述第三层模型的螺旋线的交点的集合中的投影图形按照时间顺序拼接成图像T8保存在存储区M8i,t中,以所述图像T8展示小麦条锈病在区域范围内病害的发展规律;
步骤2.4:将展示界面分为三个部分,分别是CLOSELOOK、OVERLOOK和KF;所述CLOSELOOK为病斑图像展示区,用于展示存储在M1i,j,k,t中的病斑图像;所述OVERLOOK为原始图像展示区,用于展示存储在M2i,j,k,t中的具有条锈病特征的叶片图像;所述KF为模型展示区,用于展示三层病害程度螺旋线模型以及各层模型对应的存储在M3i,j,t、M5i,t和M7t中的投影图形和存储在M4i,j,k,t、M6i,j,t和M8i,t中的拼接图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽农业大学,未经安徽农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810444195.7/1.html,转载请声明来源钻瓜专利网。