[發明專利]一種玉米病害病情分級方法、系統和計算機設備

有效

• 申請號: 202010330319.6
• 申請日: 2020-04-24
• 公開（公告）號: CN111553240B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 劉永波;曹艷;胡亮;雷波;唐江云
• 申請（專利權）人: 四川省農業科學院農業信息與農村經濟研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/11;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 成都玖和知識產權代理事務所(普通合伙) 51238
• 代理人: 胡琳梅

1.一種玉米病害病情分級方法，其特征在于，包括以下步驟：

步驟S1.獲取正常玉米葉片圖像，預處理后作為第一訓練集；獲取病害玉米葉片圖像，預處理后劃分為第二訓練集和測試集；

步驟S2.搭建基于CNN的玉米病害分類神經網絡，采用遷移學習的方法初始化所述分類神經網絡的卷積層和全連接層的參數，再完成整個網絡的訓練和測試；

步驟S3.搭建基于U-net的面積分割神經網絡，采用遷移學習的方法初始化所述面積分割神經網絡前兩層的網絡參數，再完成整個網絡的訓練和測試；

步驟S4.采集待檢測玉米葉片原圖，將所述葉片原圖輸入訓練好的玉米病害分類神經網絡，得到待檢測玉米所患病害的分類信息；將所述葉片原圖輸入訓練好的面積分割神經網絡，得到玉米病害區域和玉米葉片主體區域的mask二值圖像，通過所述二值圖像計算玉米病害區域在葉片主體區域上的面積占比；

步驟S5.根據步驟S4得到的所述玉米所患病害的分類信息和所述玉米病害區域在葉片主體區域上的面積占比信息，對待檢測玉米所患病害病情進行分級；

其中，所述步驟S2包括以下步驟：

步驟S201.搭建包含卷積層、全連接層和分類層的玉米病害分類神經網絡，并下載ImageNet數據集；

步驟S202.將所述第一訓練集和ImageNet數據集合并后輸入所述玉米病害分類神經網絡進行訓練得到源模型，用所述源模型卷積層和全連接層的網絡參數初始化所述玉米病害分類神經網絡卷積層和全連接層的網絡參數；

步驟S203.隨機初始化所述玉米病害分類神經網絡分類層的網絡參數；

步驟S204.用所述第二訓練集完成整個網絡的訓練；

步驟S205.用所述測試集測試訓練后的所述玉米病害分類神經網絡的分類正確率是否達到預設要求。

2.如權利要求1所述的玉米病害病情分級方法，其特征在于：步驟S1所述獲取正常玉米葉片圖，預處理后作為第一訓練集，包括以下步驟：

步驟S101.對獲取到的正常玉米葉片圖像進行降噪、白平衡調節和/或圖像均值化的規一化改進；

步驟S102.通過曲線標注出圖像中的玉米主體葉片區域；

步驟S103.將所有標注后的圖像進行豎直旋轉、水平翻轉、亮度變化、對比度變化、隨機翻轉和/或隨機裁剪的形態變化以及改變圖像顏色通道參數的參數變化，保存所有變化結果作為第一訓練集。

3.如權利要求1所述的玉米病害病情分級方法，其特征在于：步驟S1所述獲取病害玉米葉片圖像，預處理后劃分為第二訓練集和測試集，包括以下步驟：

步驟S111.對獲取到的病害玉米葉片圖像進行降噪、白平衡調節和/或圖像均值化的規一化改進；

步驟S112.將經過所述規一化改進的圖像劃分為第二訓練集和測試集；

步驟S113.通過曲線標注出所述第二訓練集圖像中的玉米主體葉片區域和病害區域，并標注葉片所患病害的種類；

步驟S114.將第二訓練集和測試集中的所有圖像進行豎直旋轉、水平翻轉、亮度變化、對比度變化、隨機翻轉和/或隨機裁剪的形態變化以及改變圖像顏色通道參數的參數變化，保存所有變化結果。

4.如權利要求1所述的玉米病害病情分級方法，其特征在于：步驟S3包括以下步驟：

步驟S301.搭建基于U-net的面積分割神經網絡，并下載ImageNet數據集；

步驟S302.將所述第一訓練集和ImageNet數據集合并后輸入所述面積分割神經網絡進行訓練得到源模型，用所述源模型的前兩層網絡參數初始化所述面積分割神經網絡的前兩層網絡參數；

步驟S303.隨機初始化所述面積分割神經網絡其他網絡層參數；

步驟S304.用所述第二訓練集完成整個網絡的訓練，根據網絡目標函數的收斂情況判定網絡是否完成訓練；

步驟S305.用所述測試集驗證訓練后的所述面積分割神經網絡輸出的玉米病害區域和玉米葉片主體區域的mask二值圖像誤差值是否在預設的范圍內。

5.如權利要求4所述的玉米病害病情分級方法，其特征在于，根據網絡目標函數的收斂情況判定網絡是否完成訓練的方法是：使用MIoU值來判定網絡是否完成訓練。