[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法

在審

• 申請?zhí)枺?/td>: 202010397400.6
• 申請日: 2020-05-12
• 公開（公告）號: CN111695560A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設計）人: 楊桂玲;王紫艷;孫健
• 申請（專利權(quán)）人: 浙江省農(nóng)業(yè)科學院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 青島發(fā)思特專利商標代理有限公司 37212
• 代理人: 董寶錁

1.一種基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法，其特征在于：包括以下步驟，

步驟一、首先對用戶拍照時的圖像進行預處理，利用卷積神經(jīng)網(wǎng)絡技術(shù)對圖像畫面進行分析處理，把圖像進行分割，對每一個像素進行特征提取；

步驟二、然后根據(jù)圖像的灰度變化，通過灰度差分統(tǒng)計特征中的對比度；

設(x,y)為圖像中的一點，該點與和他只有微小距離的點(x+△x,y+△y)的灰度差分值為，

g△(x,y)＝g(x,y)-g(x+△x,y+△y)

式中g(shù)△為灰度差分，△x為臨近點X坐標點，△y為臨近點Y坐標點；

設灰度差分的所有可能取值共有m級，令點(x,y)在整幅圖像上移動，累計出g△(x,y)去各個數(shù)值的次數(shù)，由此便可以做出g△(x,y)的直方圖；

由直方圖可以知道g△(x,y)取值的概率p△(i)，i在1～m之間取值，當較小的i值的概率p△(i)較大時，說明紋理粗糙，當p△(i)各個取值比較接近時，既概率分步較平坦時，說明紋理較細，

對比度計算公式，

con＝∑i∧2p△(i)

角度方向計算公式，

ASM＝CON＝∑i[p△(i)]∧2

熵，

ENT＝-∑ip△(i)lgp△(i)

平均值，

MEAN＝1/m∑ip△(i)

步驟三、再對原彩色顏色進行特征提取，分別提取彩色圖像藍色通道下的一階矩陣、二階矩陣和三階矩陣三個顏色特征；

步驟四、再對紋理特征進行特征提取，設置多個紋理參數(shù)，提取特征向量；

步驟五、再通過形狀特征提取，構(gòu)造圓度、矩形度、離心率、球狀比、緊密度、廣度、內(nèi)切圓半徑參數(shù)作為形狀識別特征向量；

步驟六、最后綜合上述特征，將所有特征參數(shù)代入算法進行特征計算，將病蟲害部位標記出來，整個標記過程平均響應在2s內(nèi)；

步驟七、自動定位聚焦是可以不斷自我學習的，對于病蟲害位置標記不全或標記錯誤的用戶可以手動進行標記調(diào)整，既可以選擇位置，也可以取消選擇，同時被手動標記的圖片會被傳到特征樣本庫，樣本庫通過訓練學習對手動標記的部分進行特征提取，通過特征對比將原來的特征參數(shù)進行完善，從而使特征匹配算法原來越嚴謹，自動定位聚焦越來越準確。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法，其特征在于：所述步驟一中對用戶拍照時的圖像進行預處理的步驟為，首先通過改變圖片灰度值的動態(tài)范圍增強圖片整體的對比度，然后將圖片進行分割，分區(qū)域提取圖片特征，然后將每一個區(qū)域內(nèi)的特征代入病蟲害特征算法中進行計算，最后將計算結(jié)果返回，這時會在用戶拍照區(qū)域內(nèi)的圖片上將符合特征的區(qū)域用方框標記出來。

3.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法，其特征在于：所述步驟一中的利用卷積神經(jīng)網(wǎng)絡技術(shù)對圖像畫面進行分析處理，是將圖像按照指定尺寸分割成一塊一塊的區(qū)域小圖；然后對每一個區(qū)域進行特征提取，把每一個區(qū)域提取的特征參數(shù)代入到病蟲害特征算法中進行計算，將結(jié)果進行返回，然后用方框標記出該區(qū)域。

4.根據(jù)權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法，其特征在于：所述用方框標記出該區(qū)域也可以自行操作，雙擊被選中方框即可取消選中，單擊圖片任意位置即可將該位置選中，同時被手動標記的圖片會被傳到樣本庫，樣本庫通過訓練學習對手動標記的部分進行特征提取，通過特征對比將原來的特征參數(shù)進行完善。

5.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡對農(nóng)作物病蟲害主動定位聚焦的方法，其特征在于：所述步驟一中的特征提取步驟為，

步驟a、利用卷積層對圖片進行初步特征提取，提取時會將圖片進行分解，然后再定義一個卷積核，用來從圖像中提取一定的特征，卷積核與數(shù)字矩陣對應位相乘再相加，得到卷積層的輸出結(jié)果；

步驟b、將卷積層輸出的結(jié)果輸入到池化層，池化層用來降低卷積層輸出的特征向量維度，減少過擬合現(xiàn)象，只保留最有用的圖片信息，減少噪聲的傳遞；

步驟c、在卷積層和池化層提取處理完特征后，用全連接層來生成一個等于所需要的類的數(shù)量的分離器，把池化層輸出的張量重新切割成一些向量，乘上權(quán)重矩陣，加上偏置量，然后對其使用的ReLU激活函數(shù)，用梯度下降法來優(yōu)化參數(shù)；

步驟d、通過這個過程得到包含顏色、紋理、形狀等病蟲害部位特征的特征參數(shù)進行反復多次訓練，將特征參數(shù)不斷優(yōu)化只到達到最優(yōu)效果，得到最終病蟲害部位特征矩陣和特征匹配算法。