[發(fā)明專利]一種基于卷積神經網絡農作物病害圖像識別方法

在審

• 申請?zhí)枺?/td>: 202010280895.4
• 申請日: 2020-04-10
• 公開（公告）號: CN111414896A
• 公開（公告）日: 2020-07-14
• 發(fā)明（設計）人: 曹麗英;李博;于合龍;李東明;劉鶴;馬麗
• 申請（專利權）人: 吉林農業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安合創(chuàng)非凡知識產權代理事務所(普通合伙) 61248
• 代理人: 惠銀銀

1.一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：包括如下步驟：

S1、基于無人機定時定點的進行農作物圖像的采集；

S2、讀取農作物圖像內載的POS數據，并基于Faster R-CNN 模型實現(xiàn)農作物圖像中病害區(qū)域的檢測定位，生成病害區(qū)圖像集；

S3、基于DSSD_ Xception_coco 模型實現(xiàn)病害區(qū)圖像中孔洞、斑點、害蟲軌跡的檢測識別；

S4、基于孔洞、斑點、害蟲軌跡的檢測識別結果及其對應的病害區(qū)圖像的POS數據輸出病害識別結果，并完成各區(qū)域的病害情況統(tǒng)計。

2.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：所述Faster R-CNN 模型利用一個在ImageNet上面預訓練的ResNet50模型作為基本模型,在coco數據集上進行訓練和測試。

3.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：所述病害區(qū)圖像集中的圖像均攜帶其對應的POS數據的超鏈接標記。

4.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：所述無人機按照既定的巡航路線定時定點進行農作物圖像的采集。

5.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：還包括根據POS數據實現(xiàn)病害區(qū)圖像角度調整的步驟，角度調整包括左右翻轉、上下翻轉、對角線翻轉。

6.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：所述DSSD_Xception_coco 模型采用DSSD目標檢測算法，用coco數據集預訓練Xception神經網絡，然后用先前準備好的數據集訓練該模型，微調深度神經網絡中的各項參數，最后得到合適的用于檢測農作圖像中孔洞、斑點、害蟲軌跡的目標檢測模型。

7.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：還包括基于連通分量外接矩形的長寬比進行孔洞、斑點、害蟲軌跡形狀尺寸的識別的步驟。

8.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：還包括根據各區(qū)域的病害情況基于最鄰近分類器輸出對應的防治措施的步驟。

9.如權利要求1所述的一種基于卷積神經網絡農作物病害圖像識別方法，其特征在于：還包括繪制每個時間段內各區(qū)域病害情況變化曲線的步驟。