[發(fā)明專利]葉部病害的識別方法、裝置、電子裝置和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110197703.8
• 申請日: 2021-02-22
• 公開（公告）號: CN112883873B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設(shè)計）人: 郭洪飛;李嘉明;張銳;何智慧;朝寶
• 申請（專利權(quán)）人: 暨南大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/047;G06N3/08
• 代理公司: 北京卓特專利代理事務(wù)所(普通合伙) 11572
• 代理人: 段宇

1.一種葉部病害的識別方法，其特征在于，所述識別方法包括：

獲取待識別的植物葉片圖像；

對所述植物葉片圖像進行預(yù)處理，得到多幅第一葉片圖像，其中，所述預(yù)處理包括：圖像縮放、圖像歸一化及圖像數(shù)據(jù)增強；

利用注意力機制模型處理多幅所述第一葉片圖像，獲得多幅所述第一葉片圖像對應(yīng)的第一分類標簽，其中，所述注意力機制模型被訓練為用于根據(jù)葉片圖像得到與該葉片圖像對應(yīng)的分類標簽，所述分類標簽包括該葉片圖像對應(yīng)各種葉部病害類別的病害概率；

根據(jù)所述第一分類標簽確定所述植物葉片圖像的識別結(jié)果，其中，

利用注意力機制模型處理多幅所述第一葉片圖像，獲得多幅所述第一葉片圖像對應(yīng)的第一分類標簽包括：

利用所述注意力機制模型從所述第一葉片圖像中提取第一特征圖，并從所述第一特征圖中提取通道特征圖；

根據(jù)所述第一特征圖和所述通道特征圖生成加強特征圖；

分別對所述通道特征圖和所述加強特征圖進行池化處理，生成第一池化結(jié)果和第二池化結(jié)果，并將所述第一池化結(jié)果和第二池化結(jié)果進行堆疊處理，得到堆疊輸出，其中，所述池化處理包括廣義均值池化；

將所述第一特征圖進行卷積，獲取第一卷積結(jié)果，并將所述第一卷積結(jié)果與所述堆疊輸出進行加權(quán)處理，得到所述第一分類標簽；其中，將所述第一特征圖進行卷積，獲取第一卷積結(jié)果，并將所述第一卷積結(jié)果與所述堆疊輸出進行加權(quán)處理，到所述第一分類標簽包括：將所述第一卷積結(jié)果與所述堆疊輸出進行平均，并通過預(yù)設(shè)邏輯回歸模型進行分類，得到所述植物葉片圖像對應(yīng)各種葉部病害類別的病害概率，其中，所述預(yù)設(shè)邏輯回歸模型包括Softmax邏輯回歸模型；將所述植物葉片圖像對應(yīng)各種葉部病害類別的病害概率作為所述第一葉片圖像對應(yīng)的第一分類標；

對所述植物葉片圖像進行預(yù)處理，得到多幅第一葉片圖像包括：

將所述植物葉片圖像進行縮放處理，生成預(yù)設(shè)圖像分辨率的第二葉片圖像；

對所述第二葉片圖像進行歸一化處理，生成第三葉片圖像；

對所述第三葉片圖像進行圖像數(shù)據(jù)增強處理，得到多幅所述第一葉片圖像，其中，每一幅所述第三葉片圖像對應(yīng)至少一幅所述第一葉片圖像。

2.根據(jù)權(quán)利要求1所述的葉部病害的識別方法，其特征在于，所述第一分類標簽包括第一葉部病害類別和第一病害概率，根據(jù)所述第一分類標簽確定所述植物葉片圖像的識別結(jié)果包括：

在所述第一分類標簽中檢測每一幅所述第一葉片圖像對應(yīng)的所述第一葉部病害類別和所述第一病害概率；

按所述第一葉部病害類別分別統(tǒng)計對應(yīng)的所述第一病害概率，得到多個第二病害概率；

從多個所述第二病害概率選取目標病害概率，并將所述目標病害概率對應(yīng)的所述第一葉部病害類別作為所述植物葉片圖像的識別結(jié)果。

3.根據(jù)權(quán)利要求2所述的葉部病害的識別方法，其特征在于，從多個所述第二病害概率中選取目標病害概率包括：

檢測多個所述第二病害概率的概率值，并將所述概率值最大的所述第二病害概率作為所述目標病害概率。

4.根據(jù)權(quán)利要求1所述的葉部病害的識別方法，其特征在于，所述圖像數(shù)據(jù)增強處理包括按預(yù)設(shè)隨機概率對所述第三葉片圖像進行以下其中至少一種的處理：隨機轉(zhuǎn)置、隨機垂直翻轉(zhuǎn)、隨機水平翻轉(zhuǎn)、隨機平移變換、隨機尺度變換、隨機旋轉(zhuǎn)變換、色相值隨機變換、飽和度值隨機變換、亮度隨機更改、對比度隨機更改及隨機擦除像素區(qū)域。