技術特征：

1.一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s1具體包括：

3.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s2具體包括：

4.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s3具體包括：

5.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s4具體包括：

6.根據(jù)權利要求5所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s42具體包括：

7.根據(jù)權利要求5所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s43具體包括：

8.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s5具體包括：

9.根據(jù)權利要求1所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，所述s6具體包括：

10.一種基于機器視覺技術的水稻病蟲害識別系統(tǒng)，用于實現(xiàn)如權利要求1-9任一項所述的一種基于機器視覺技術的水稻病蟲害識別方法，其特征在于，包括以下模塊：

技術總結
本發(fā)明涉及機器視覺技術與農(nóng)業(yè)病蟲害診斷技術領域，具體涉及一種基于機器視覺技術的水稻病蟲害識別方法及系統(tǒng)，包括以下步驟：S1：獲取葉片表面反射光的偏振方向分布，生成偏振光補償圖像；S2：進行特征層融合，生成多光譜融合圖像；S3：基于多光譜融合圖像中各像素點的偏振相位差異值分割出獨立葉片區(qū)域；S4：對分割后的葉片區(qū)域進行多維度特征提取；S5：進行歐氏距離計算，確定最鄰近匹配結果；S6：根據(jù)匹配結果中的特征相似度閾值判定病蟲害種類。本發(fā)明，通過融合多源光譜信息與結構化特征比對，實現(xiàn)了水稻病蟲害的高精度識別與病斑空間定位，提升了病害診斷的智能化水平與實用性。

技術研發(fā)人員：徐海峰,龍武華,唐會會,宮彥龍,王倩,朱速松
受保護的技術使用者：貴州省水稻研究所
技術研發(fā)日：
技術公布日：2025/6/26