[發(fā)明專利]一種用于監(jiān)測病蟲害的無人機系統(tǒng)的甜菜相關病癥分析方法

在審

• 申請?zhí)枺?/td>: 202010607427.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111638216A
• 公開（公告）日: 2020-09-08
• 發(fā)明（設計）人: 劉勇;張楚晗;楊含石;鄭書賢;劉士琛
• 申請（專利權）人: 黑龍江大學;南通西科瑞智能科技有限公司
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/88;G01B11/24;G01N21/25;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 劉景祥

1.一種用于監(jiān)測病蟲害的無人機系統(tǒng)，其特征在于，所述無人機包括機架(1)、固定圈(2)、固定架(3)、旋翼(4)、支撐架(5)和無人機智能監(jiān)測模塊(6)，所述固定圈(2)的中心穿過機架(1)，所述機架(1)的底端與無人機智能監(jiān)測模塊(6)相連接，所述固定圈(2)的上端還設置一組固定架(3)，每個所述固定架(3)均與一個旋翼(4)相連接，所述固定圈(2)的底端設置一組支撐架(5)；

所述無人機智能監(jiān)測模塊(6)包括無人機單元和圖像分析單元，所述無人機單元用于控制無人機，同時進行采集信息和傳輸信息，所述圖像分析單元用于算法處理圖像和分析圖像。

2.利用權利要求1的一種用于監(jiān)測病蟲害的無人機系統(tǒng)的甜菜相關病癥分析方法，其特征在于，所述分析方法包括以下步驟：

步驟1：利用甜菜的各個生長時期正常的生長狀態(tài)及甜菜經歷不同程度的各類病蟲害后的生長狀態(tài)圖片，對于正常狀態(tài)下的甜菜及經歷不同程度的各類病蟲害狀態(tài)下的甜菜的特征進行采集；

步驟2：通過架構模塊構建Tensorflow模型中第一個的卷積層對應的過濾器filter1；

步驟3：利用步驟2中設置的第一個的卷積層對應的過濾器filter1，對處于正常狀態(tài)下及經歷不同程度的各類病蟲害狀態(tài)下的3個通道的甜菜圖像進行微分處理，將3個通道的甜菜圖像采集成深度為64的數(shù)組；

步驟4：進入池化層采用最大池化策略，得到體現(xiàn)信息的數(shù)組，在卷積網絡模型中，利用池化層來縮減模型的大小，提高計算速度，同時提高所提取特征的魯棒性；

步驟5：將步驟4中的數(shù)組作為本步驟所進行的卷積層的輸入，對正常狀態(tài)下的甜菜及經歷不同程度的各類病蟲害狀態(tài)下的甜菜圖像數(shù)據(jù)集進行更深層次、更細粒度、更高級的單元微分及特征提取，利用步驟2中的Tensorflow模型對應用于本層的卷積過濾器filter2參數(shù)進行調整，最終選用維度參數(shù)為[5，5，64，128]的過濾器filter2對輸入進行過濾操作；

步驟6：將步驟5中得到的，由單元數(shù)組S4所提取出的特征單元數(shù)組進行2d的數(shù)據(jù)處理，輸出成深度為128的50*50單元集；

步驟7：將步驟6中的深度為128的50*50單元集作為本步驟所進行的卷積層的輸入，對正常狀態(tài)下的甜菜及經歷不同程度的各類病蟲害狀態(tài)下的甜菜圖像數(shù)據(jù)集進行再次進行更深層次、更細粒度、更高級的單元微分及特征提取，利用步驟2中的Tensorflow模型對應用于本層的卷積過濾器filter3參數(shù)進行調整，最終選用維度參數(shù)為[25，25，25，128]的過濾器filter3對輸入進行過濾操作；

步驟8：對步驟7過濾操作后的結果單元進行扁平化處理和平鋪；

步驟9：用第一層全連接層進行第一次縮小特征節(jié)點的標注；

步驟10：用第二層全連接層對步驟9中標注的特征節(jié)點進行第二次縮小特征節(jié)點的標注；

步驟11：對步驟10得出的第二次標注的特征節(jié)點，采用dropout層來減少過擬合程度和欠擬合程度；

步驟12：以交叉熵作為損失函數(shù)，對步驟2-步驟11所得的各個參數(shù)進行調整；

步驟13：最后將步驟12所獲取的特征進行相加，所得的總和來分配相應權重構建分類函數(shù)，讓模型反饋輸出識別的結果。

3.根據(jù)權利要求2所述甜菜相關病癥分析方法，其特征在于，所述步驟10中具體為用第一層全連接層處理后的標注進行第二次縮小，此層的全連接層將范圍標注由第一次縮小特征節(jié)點的標注1024個縮小至512個特征。