首页 > 分享 > 一种基于图像的农作物病虫害检测方法、系统及设备与流程

一种基于图像的农作物病虫害检测方法、系统及设备与流程

花匠小妙招
2024-11-20 13:53

技术特征：

1.一种基于图像的农作物病虫害检测方法，其特征在于，包括以下步骤：

采集检测区域的农作物的图像；

农作物病虫害检测模型由前端识别网络与整体后端识别网络串联构成；所述整体后端识别网络由n个后端识别网络并行构成，n个后端识别网络的网络结构相同；

然后将检测区域的农作物的图像输入农作物病虫害检测模型进行检测，检测区域的农作物的图像首先通过前端识别网络识别出对应农作物的种类，之后按照农作物的种类对应到某个后端识别网络，得到该种农作物对应病虫害的类型。

2.根据权利要求1所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述的后端识别网络的处理过程包括以下步骤：

s1、将病虫害图像变换到r、g、b各自通道下的图像，分别记为r图像、g图像、b图像；同时根据病虫害图像得到灰度图像，记为h图像；

s2、将conv层、relu层顺序连接记为卷积单元；将卷积单元、bn层、池化层顺序连接记为卷积组合单元；

将r图像、g图像、b图像分别进行如下处理：

经过s个卷积组合单元操作，分别得到r图像、g图像、b图像对应的特征图；

将h图像先经过[卷积单元+卷积单元+bn层+池化层]*(s/2)操作，得到h图像对应的特征图；

在进行上述操作的过程中，要保证r图像、g图像、b图像对应的特征图和h图像对应的特征图大小相等；

s3、将r图像对应的特征图分成m组，分别记为r1至rm；对g图像对应的特征图进行相同的操作，得到g1至gm；对b图像对应的特征图进行相同的操作，得到b1至bm；对h图像对应的特征图进行相同的操作，得到h1至hm；

将r1、g1、b1、h1的特征融合为一组特征rgbh1，然后进行卷积操作，得到w1；对其他组特征进行同样的操作；直至将rm、gm、bm、hm特征融合为一组特征，并进行卷积操作得到wm；

将w1至wm进行特征融合，得到特征图w，然后进行1*1卷积，得到最终的特征图；

s4、将最终的特征图送入分类器进行分类。

3.根据权利要求2所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述池化层为max-pooling层。

4.根据权利要求2所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述s取值为3至6。

5.根据权利要求4所述的一种基于图像的农作物病虫害检测方法，其特征在于，s＝4。

6.根据权利要求1所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述前端识别网络与一个后端识别网络结构相同。

7.根据权利要求1至6之一所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述的其中，ceil()表示向上取整，q为前端识别网络或后端识别网络训练过程中的农作物种类总数，λ为网络规模控制参数。

8.根据权利要求7所述的一种基于图像的农作物病虫害检测方法，其特征在于，所述网络规模控制参数

9.一种基于图像的农作物病虫害检测系统，其特征在于，所述系统用于执行权利要求1至6之一所述的一种基于图像的农作物病虫害检测方法。

10.一种农作物病虫害检测设备，其特征在于，所述设备用于存储或/和运行权利要求9所述的一种基于图像的农作物病虫害检测系统。

技术总结
一种基于图像的农作物病虫害检测方法、系统及设备，属于农作物病虫害检测技术领域。为了解决现有的农作物病虫害检测方法不能兼顾准确率和模型训练时间的问题。本发明所述的方法中，首先采集检测区域的农作物的图像；然后将检测区域的农作物的图像输入农作物病虫害检测模型进行检测，检测区域的农作物的图像首先通过前端识别网络识别出对应农作物的种类，之后按照农作物的种类对应到某个后端识别网络，得到该种农作物对应病虫害的类型；农作物病虫害检测模型由前端识别网络与整体后端识别网络串联构成；所述整体后端识别网络由n个后端识别网络并行构成，n个后端识别网络的网络结构相同。主要用于农作物病虫害检测。

技术研发人员：唐友;李卓;王永江;滕小华
受保护的技术使用者：吉林农业科技学院
技术研发日：2020.03.16
技术公布日：2020.07.10