[發明專利]一種植物病害區域檢測方法

在審

• 申請號: 202010813077.6
• 申請日: 2020-08-13
• 公開（公告）號: CN111968087A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 張建華;翟治芬;王東杰;袁雪;張帆
• 申請（專利權）人: 中國農業科學院農業信息研究所;農業農村部規劃設計研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李文清

1.一種植物病害區域檢測方法，其特征在于，包括：

獲取植物病害葉片預處理后的彩色圖像、預處理后的深度圖像和預處理后的近紅外圖像；

將預處理后的彩色圖像輸入到第一病害檢測網絡模塊中，獲取彩色特征，將預處理后的深度圖像輸入到第二病害檢測網絡模塊中，獲取深度特征，將預處理后的近紅外圖像輸入到第三病害檢測網絡模塊中，獲取近紅外特征，其中，所述第一病害檢測網絡模塊是以彩色圖像為樣本、彩色特征為標簽進行訓練得到，所述第二病害檢測網絡模塊是以深度圖像為樣本、深度特征為標簽進行訓練得到，所述第三病害檢測網絡模塊是以近紅外圖像為樣本、近紅外特征為標簽進行訓練得到；

將所述彩色特征、所述深度特征和所述近紅外特征輸入到植物病害特征融合模型中，獲取融合后的病害特征；

對融合后的病害特征進行卷積和池化操作，獲取輸出特征；

將所述輸出特征輸入多特征層提取模型中，獲取多層特征圖，所述多特征層提取模型以輸出特征為樣本、以多層特征圖為標簽進行訓練得到；

對所述多層特征圖中的每一特征點生成若干個預選框，對于任一特征點，將所述任一特征點的任一預選框與所述多層特征圖進行卷積運算，獲取第一卷積特征和第二卷積特征；

對所述第一卷積特征進行分類處理，判斷所述任一預選框中是否有病害以及病害類型，并對所述第二卷積特征進行邊框回歸處理，獲取病害位置；

計算所述多層特征圖中每一預選框的置信度，將置信度低于預設閾值的預選框進行合并，重復該過程，直至所有預選框的置信度大于所述預設閾值，將置信度最高的預選框作為最終的病害檢測區域。

2.根據權利要求1所述的植物病害區域檢測方法，其特征在于，所述第一病害檢測網絡模塊按照由上至下的連接順序依次包括：第一彩色圖像處理層、第二彩色圖像處理層、第三彩色圖像處理層、第一彩色圖像特征圖提取層、第四彩色圖像處理層、第五彩色圖像處理層和第二彩色圖像特征圖提取層，所述第一彩色圖像特征圖提取層的輸入還包括所述第一彩色圖像處理層的輸出結果，所述第二彩色圖像特征圖提取層的輸入還包括所述第一彩色圖像處理層的輸出結果；

其中，所述第一彩色圖像處理層由若干個第一彩色圖像處理模塊串聯組成，所述第一彩色圖像處理模塊按照從上至下的連接順序依次包括3個擴張卷積核、3個池化函數、3個深度可分離卷積核、3個壓縮卷積核和3個relu6激活函數；

所述第二彩色圖像處理層和所述第三彩色圖像處理層結構相同，由若干個第二彩色圖像處理模塊串聯組成，所述第二彩色圖像處理模塊按照從上至下的連接順序依次包括4個擴張卷積核、4個歸一化函數、4個池化函數、4個深度可分離卷積核、4個注意力機制函數、4個歸一化函數和4個relu6激活函數；

所述第四彩色圖像處理層、所述第五彩色圖像處理層的結構相同，由若干個第三彩色圖像處理模塊串聯組成，所述第三彩色圖像處理模塊包括2個擴張卷積核、2個歸一化函數、2個池化函數、2個深度可分離卷積核、2個注意力機制函數、2個歸一化函數和2個relu6激活函數；

所述第一彩色圖像特征圖提取層和所述第二彩色圖像特征圖提取層結構相同，包括3個卷積核。

3.根據權利要求2所述的植物病害區域檢測方法，其特征在于，所述第二病害檢測網絡模塊按照從上至下的連接順序依次包括第一深度圖像處理層、第二深度圖像處理層、第三深度圖像處理層、第四深度圖像處理層、第五深度圖像處理層和深度圖像特征圖提取層；

其中，所述深度圖像特征圖提取層與所述第一彩色圖像處理層結構相同；

所述第一深度圖像處理層由若干個第一深度圖像處理模塊串聯組成，所述第一深度圖像處理模塊按照從上至下的連接順序依次包括：1個擴張卷積核、1個池化函數、1個深度可分離卷積核、1個池化函數和1個relu6激活函數；

所述第二深度圖像處理層、所述第三深度圖像處理層、所述第四深度圖像處理層和所述第五深度圖像處理層的結構相同，由若干個第二深度圖像處理模塊串聯組成，所述第二深度圖像處理模塊按照從上至下的連接順序依次包括1個擴張卷積核、1個池化函數、1個深度可分離卷積核、1個注意力機制函數、1個歸一化函數和1個relu6激活函數。