[發(fā)明專利]基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010563204.1
• 申請日: 2020-06-19
• 公開（公告）號: CN111814591A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 黃德雙;焦致豪
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/00;H04L12/24;H04L29/06;H04L29/08
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 葉敏華

1.基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，該系統(tǒng)包括IOS客戶端和與IOS客戶端通過無線網(wǎng)絡(luò)互相連接的服務(wù)器端，所述的IOS客戶端獲取植物葉片圖像，并對植物葉片圖像進(jìn)行預(yù)處理，處理后的植物葉片圖像通過IOS客戶端的人機(jī)交互頁面選取本地識別路徑或服務(wù)器端識別路徑，所述的IOS客戶端對本地識別路徑請求調(diào)用自身網(wǎng)絡(luò)模型進(jìn)行植物葉片識別，所述的服務(wù)器端在收到服務(wù)器端識別路徑的請求后，對由IOS客戶端無線發(fā)送的預(yù)處理后的植物葉片圖像調(diào)用基于分段損失加權(quán)的生成式對抗網(wǎng)絡(luò)進(jìn)行識別。

2.根據(jù)權(quán)利要求1所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，所述的IOS客戶端設(shè)有用于對圖像采集模塊及圖像上傳模塊的植物葉片圖像進(jìn)行處理的圖像處理模塊以及用于對IOS客戶端本地的圖片進(jìn)行快速識別的圖像識別模塊。

3.根據(jù)權(quán)利要求2所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，所述的IOS客戶端還包括圖像采集模塊、圖像上傳模塊、客戶端數(shù)據(jù)存儲模塊和客戶端網(wǎng)絡(luò)通信模塊，所述的人機(jī)交互界面與圖像采集模塊、圖像上傳模塊分別連接，所述的圖像處理模塊分別與圖像采集模塊、圖像上傳模塊、圖像識別模塊、人機(jī)交互界面、客戶端數(shù)據(jù)存儲模塊和客戶端網(wǎng)絡(luò)通信模塊連接，所述的圖像上傳模塊與客戶端數(shù)據(jù)存儲模塊連接，所述的客戶端網(wǎng)絡(luò)通信器與服務(wù)器端連接。

4.根據(jù)權(quán)利要求2所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，該系統(tǒng)進(jìn)行植物葉片識別的具體步驟包括：

1)IOS客戶端獲取葉片圖像并對圖像采取交互式的方式進(jìn)行圖片復(fù)雜背景去除流程；

2)用戶根據(jù)需求在人機(jī)交互頁面選取識別途徑，若選擇本地快速識別步驟，則執(zhí)行步驟3)，若選擇服務(wù)器端識別步驟，則執(zhí)行步驟4)；

3)用戶選擇本地快速識別后，人機(jī)交互頁面將控制信號下發(fā)至圖像識別模塊，圖像識別模塊調(diào)用部署的模型對步驟1)處理后的植物葉片圖像直接進(jìn)行識別，并通過人機(jī)交互頁面展示出識別結(jié)果；

4)用戶選擇服務(wù)器端識別后，人機(jī)交互頁面將控制信號下發(fā)至圖像處理模塊，圖像處理模塊對圖片進(jìn)行壓縮，隨后人機(jī)交互頁面發(fā)送請求至服務(wù)器端，并將壓縮后的圖像通過無線網(wǎng)絡(luò)傳輸?shù)椒?wù)器端；

5)服務(wù)器端接收IOS客戶端傳來的圖片后，調(diào)用部署在服務(wù)器的基于分段損失加權(quán)的生成式對抗網(wǎng)絡(luò)模型進(jìn)行植物葉片識別，并返回結(jié)果至IOS客戶端的人機(jī)交互頁面。

5.根據(jù)權(quán)利要求4所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，步驟3)中，所述的圖像識別模塊通過部署在IOS客戶端的輕量級網(wǎng)絡(luò)模型mobileNet進(jìn)行識別。

6.根據(jù)權(quán)利要求4所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，步驟5)中，基于分段損失加權(quán)的生成式對抗網(wǎng)絡(luò)模型進(jìn)行植物葉片識別的具體內(nèi)容為：

控制GAN在不同的訓(xùn)練階段采用不同形式的損失，訓(xùn)練前期以第二種形式損失函數(shù)為主，訓(xùn)練過程中，真實樣本和生成樣本出現(xiàn)重疊，當(dāng)重疊到達(dá)切換參數(shù)點后，再切換到以第一種形式損失函數(shù)為主。

7.根據(jù)權(quán)利要求4所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，步驟4)中，圖像處理模塊對圖片進(jìn)行壓縮的具體內(nèi)容為：

選取一個閾值，采用SR針對植物葉片圖像進(jìn)行壓縮，當(dāng)Pre PSNR大于預(yù)定閾值時，將圖像下采樣并解碼后進(jìn)行SRCNN濾波。

8.根據(jù)權(quán)利要求4所述的基于生成式對抗網(wǎng)絡(luò)模型和IOS平臺的植物葉片識別系統(tǒng)，其特征在于，步驟1)中，IOS客戶端獲取葉片圖像并對圖像采用SRN-DeblurNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行植物葉片圖像背景分割處理。