[發明專利]基于卷積神經網絡對農作物病蟲害主動定位聚焦的方法

在審

• 申請號: 202010397400.6
• 申請日: 2020-05-12
• 公開（公告）號: CN111695560A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 楊桂玲;王紫艷;孫健
• 申請（專利權）人: 浙江省農業科學院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 青島發思特專利商標代理有限公司 37212
• 代理人: 董寶錁

本發明涉及一種基于卷積神經網絡對農作物病蟲害主動定位聚焦的方法，屬于農作物病蟲害部位定位聚焦技術領域，本發明的目的就是結合最新的卷積神經網絡技術，通過對大量的病蟲害部位圖像的研究得到病蟲害部位特征參數，形成一個病蟲害部位特征算法，只需要把圖像參數代入到該算法，就可以判斷出病蟲害部位，從而在拍照過程中對病蟲害部位進行自動定位聚焦，標記出病蟲害部位，弱化背景干擾，提高病蟲害識別準確率和效率。采用卷積神經網絡技術，識別聚焦響應速度快；通過對圖像每一個像素的識別分類，可同時識別出一張圖像上的多個病蟲害部位，識別更全面；每次手動選擇調整定位可幫助自動定位聚焦自我學習，更新特征參數，使定位聚焦越來越準確。

技術領域

本發明涉及一種基于卷積神經網絡對農作物病蟲害主動定位聚焦的方法，其屬于農作物病蟲害部位定位聚焦技術領域。

背景技術

目前在病蟲害識別領域已有相當多的識別技術存在，而他們所采用的圖像識別方法有對象對對象的圖片對比識別方式、SVM統計向量機的方法和卷積神經網絡技術，前兩個的圖像識別技術相對落后，而使用卷積神經網絡技術的圖像識別也是基于整張圖像來進行的識別，在相對完美的識別環境下可以對病蟲害進行準確的識別，當投放到實際的農業種植環境中時往往會因為復雜多變的田間自然環境的干擾而降低識別率，而為了保證識別率在圖像上傳后對復雜的圖像背景進行處理在識別，則會加重服務器端處理壓力，使得圖像識別對硬件終端的配置要求提高，并且識別響應時間也會大大加長降低識別效率。

發明內容

本發明針對上述現有技術中存在的不足，提供一種基于卷積神經網絡對農作物病蟲害主動定位聚焦的方法。

本發明解決上述技術問題的技術方案如下：

一種基于卷積神經網絡對農作物病蟲害主動定位聚焦的方法，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，利用卷積神經網絡技術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、然后根據圖像的灰度變化，通過灰度差分統計特征中的對比度；

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△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)去各個數值的次數，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，提取特征向量；

步驟五、再通過形狀特征提取，構造圓度、矩形度、離心率、球狀比、緊密度、廣度、內切圓半徑參數作為形狀識別特征向量；