[發明專利]農作物種類與病蟲害類型的聯合識別方法及裝置

有效

• 申請號: 201810788917.0
• 申請日: 2018-07-18
• 公開（公告）號: CN109002853B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 張長水;李易陽;陸江
• 申請（專利權）人: 寧夏智啟連山科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 金相允

本發明提供了一種農作物種類與病蟲害類型的聯合識別方法及裝置，所述方法將病蟲害類型特征圖通過預設的多示例學習融合模型進行運算來獲第一病蟲害類型評估值，根據預設的訓練集和第一病蟲害類型評估值獲得農作物種類貝葉斯概率值。之后將農作物種類特征圖通過預設的全連接神經網絡模型來獲得第一農作物種類評估值，根據預先存儲的訓練集和第一農作物種類評估值獲得病蟲害類型貝葉斯概率值。根據第一病蟲害類型評估值和病蟲害類型貝葉斯概率值獲得第二病蟲害類型評估值，再根據第一農作物種類評估值和農作物種類貝葉斯概率值獲得第二農作物種類評估值。在實現了對農作物種類以及病蟲害類型的高準確率識別的同時大大減少了對訓練數據的需求。

技術領域

本發明涉及病蟲害防治技術領域，具體而言，涉及一種農作物種類與病蟲害類型的聯合識別方法及裝置。

背景技術

農作物病蟲害作為主要的農業災害之一，嚴重影響了農業生產活動有效進行。對農作物的病蟲害進行識別是對農作物病蟲害的防治有著重要的意義。目前，有不少工作者通過圖像識別的技術區隊農作物病蟲害進行自動識別，但這些技術往往受到了田間的如光照、角度、葉片數量以及背景等多種多樣的因素的限制。同時，近年來深度學習的發展使計算機圖像識別技術得到了提升，但是收集海量訓練數據的過程費時費力而且數據標注過程需要大量的人為操作參與。

發明內容

有鑒于此，本發明實施例提供了一種農作物種類與病蟲害類型的聯合識別方法及裝置。

為了實現上述目的，本發明采用的技術方案如下：

第一方面，本發明實施例提供了一種農作物種類與病蟲害類型的聯合識別方法，所述方法包括：采用預設的深度全卷積神經網絡對待檢測的農作物圖像進行農作物種類特征提取得到農作物種類特征圖和進行病蟲害類型特征提取得到病蟲害類型特征圖；將所述病蟲害類型特征圖通過預設的多示例學習融合模型進行運算來獲第一病蟲害類型評估值，根據預設的訓練集和所述第一病蟲害類型評估值獲得農作物種類貝葉斯概率值；將所述農作物種類特征圖通過預設的全連接神經網絡模型來獲得第一農作物種類評估值，根據預先存儲的訓練集和所述第一農作物種類評估值獲得病蟲害類型貝葉斯概率值；根據所述第一病蟲害類型評估值和所述病蟲害類型貝葉斯概率值獲得第二病蟲害類型評估值，再根據所述第一農作物種類評估值和所述農作物種類貝葉斯概率值獲得第二農作物種類評估值。

進一步的，所述采用預設的深度卷積神經網絡對待檢測的農作物圖像進行農作物種類特征提取得到農作物種類特征圖和進行病蟲害類型特征提取得到病蟲害類型特征圖，包括：對所述農作物圖像進行卷積運算獲得農作物特征圖；對所述農作物特征圖進行大面積池化運算獲得所述農作物種類特征圖和進行小面積池化運算獲得所述病蟲害類型特征圖。

進一步的，所述根據所述第一病蟲害類型評估值和所述病蟲害類型貝葉斯概率值獲得第二病蟲害類型評估值，包括：計算所述第一病蟲害類型評估值與所述病蟲害類型貝葉斯概率的均值為所述第二病蟲害類型評估值。

進一步的，所述再根據所述第一農作物種類評估值和所述農作物種類貝葉斯概率值獲得所述第二農作物種類評估值，包括：計算所述第一農作物種類評估值和所述農作物種類貝葉斯概率值的均值為所述第二農作物種類概率。

進一步的，所述預設的深度全卷積神經網絡為權值共享的深度全卷積神經網絡，所述農作物種類特征提取與所述病蟲害類型特征提取權值共享。