一种基于机器视觉的灰葡萄孢菌防效分析方法及装置，该方法通过摄像头拍摄采集培养皿中的灰葡萄孢菌培养图像，并且记录观测装置内的条件因素；通过语义分割模型对灰葡萄孢菌培养图像进行处理，并将菌落尺寸数据作为菌落分割图像的标签；以光照强度、温度、营养成分作为RGB彩色图像的RGB值，以药剂浓度作为RGB彩色图像的强度值，进行RGB彩色图像转化，将所得RGB彩色图像和打上标签的菌落分割图像作为菌种生长防效网络预测模型输入，使用菌种生长防效网络预测模型预测各个条件因素下菌落生长发育的情况。本发明对加药时的灰葡萄孢菌生长情况进行精准分析，可用于辅助植物灰霉病防治药物的开发。
基于机器视觉的灰葡萄孢菌防效分析方法，包括以下步骤：
步骤一：将灰葡萄孢菌的培养皿放置在观测装置上，通过摄像头拍摄采集培养皿中的灰葡萄孢菌培养图像，并且记录观测装置内的条件因素，所述条件因素包括光照强度、温度、培养皿的营养成分以及滴加的药剂浓度；
步骤二：对灰葡萄孢菌培养图像进行标注，将标注的灰葡萄孢菌培养图像样本扩充成训练数据集，训练数据集包含训练集、验证集和测试集；
步骤三：通过语义分割模型对训练数据集的灰葡萄孢菌培养图像进行处理，分割出菌落在培养皿中的位置和菌落的形状，计算在灰葡萄孢菌培养图像中的培养皿尺寸，再根据培养皿尺寸以及菌落与培养皿的比例关系计算出培养皿中菌落尺寸数据，并将菌落尺寸数据作为菌落分割图像的标签；
步骤四：以光照强度、温度、营养成分作为RGB彩色图像的RGB值，以药剂浓度作为RGB彩色图像的强度值，进行RGB彩色图像转化，将所得RGB彩色图像和打上标签的菌落分割图像作为菌种生长防效网络预测模型输入，使用菌种生长防效网络预测模型预测各个条件因素下菌落生长发育的情况；所述菌种生长防效网络预测模型由加入通道注意力机制结合多头自注意力模块以及多尺度特征提取器改进的RepVGG网络训练得到，通道注意力机制结合多头自注意力模块由SE模块和多头自注意力模块结合而成；
步骤五：根据步骤四的预测结果建立灰葡萄孢菌生长曲线，通过各个时间点的菌落半径和菌落面积来评判各条件因素对灰葡萄孢菌的抑菌效率。