[發(fā)明專利]一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別裝置及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110304762.0
• 申請(qǐng)日: 2021-03-23
• 公開(kāi)（公告）號(hào): CN112949796A
• 公開(kāi)（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: 宋彩霞;亓志國(guó);徐鵬民;呂光杰
• 申請(qǐng)（專利權(quán)）人: 青島農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06K17/00
• 分類號(hào): G06K17/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別裝置，包括客戶端與服務(wù)端，其中客戶端包括：

客戶端識(shí)別模塊，用于對(duì)病蟲害圖片進(jìn)行識(shí)別，存儲(chǔ)客戶端識(shí)別算法、模型文件以及病蟲害的治療資料；

攝像模塊，連接到客戶端識(shí)別模塊，使用攝像頭獲取病蟲害圖片；

電源模塊，連接到客戶端識(shí)別模塊，使用鋰電池為客戶端供電；

通信模塊，連接到客戶端識(shí)別模塊，為客戶端中的識(shí)別模塊與服務(wù)端建立無(wú)線連接；

光源模塊，連接到客戶端識(shí)別模塊，使用遮光罩和亮度可控的LED燈，為拍攝病蟲害圖片提供亮度恒定的光源；

顯示模塊，連接到客戶端識(shí)別模塊，用于顯示識(shí)別結(jié)果；

殼體，將客戶端的所有模塊安裝固定在一起；

服務(wù)端包括：

服務(wù)端識(shí)別模塊，用于對(duì)病蟲害圖片進(jìn)行識(shí)別，存儲(chǔ)服務(wù)端識(shí)別算法和模型文件；

Web服務(wù)模塊，用于建立與客戶端的通信，接受并存儲(chǔ)客戶端發(fā)來(lái)的數(shù)據(jù)并將數(shù)據(jù)通過(guò)無(wú)線連接返回到客戶端上；

客戶端被配置為經(jīng)由無(wú)線網(wǎng)絡(luò)與服務(wù)端進(jìn)行通信，裝置具有離線模式和在線模式兩種工作模式。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別裝置，其特征在于：所述的離線模式和在線模式兩種工作模式，模式的選擇可以通過(guò)客戶端進(jìn)行判斷，當(dāng)設(shè)備沒(méi)有無(wú)線網(wǎng)絡(luò)連接時(shí)，客戶端被設(shè)置為運(yùn)行離線模式，當(dāng)設(shè)備有無(wú)線網(wǎng)絡(luò)連接時(shí)，客戶端被設(shè)置為運(yùn)行在線模式；兩種模式可以根據(jù)網(wǎng)絡(luò)是否連接自動(dòng)選擇或者用戶根據(jù)偏好自己選擇。

3.一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別方法，其特征在于具有離線模式和在線模式兩種工作模式；

離線模式包括如下步驟：

A301.1）客戶端拍攝到患病植物葉子圖片后，存儲(chǔ)在客戶端上；

A301.2）客戶端使用客戶端識(shí)別算法對(duì)圖片進(jìn)行識(shí)別，并結(jié)果在顯示模塊顯示；

在線模式包括如下步驟：

A302.1）客戶端拍攝到患病植物葉子圖片后，與服務(wù)端建立無(wú)線網(wǎng)絡(luò)連接，將圖片數(shù)據(jù)上傳到服務(wù)端進(jìn)行存儲(chǔ)；

A302.2）服務(wù)端使用服務(wù)端識(shí)別算法對(duì)圖片進(jìn)行識(shí)別，并通過(guò)無(wú)線網(wǎng)絡(luò)返回到客戶端，并將結(jié)果在顯示模塊顯示；

其中客戶端具有允許用戶在所述離線模式和在線模式之間切換的界面；

其中客戶端識(shí)別算法不同于服務(wù)端識(shí)別算法。

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別方法，其特征在于：所述的客戶端識(shí)別算法為MobileNet分類算法，其識(shí)別包括以下步驟：

A401）客戶端識(shí)別模塊加載MobileNet網(wǎng)絡(luò)結(jié)構(gòu)和MobileNet模型文件；

A402）客戶端識(shí)別模塊加載本地圖片，并傳入MobileNet網(wǎng)絡(luò)結(jié)構(gòu)中，進(jìn)行計(jì)算得出所屬的病蟲害種類。

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別方法，其特征在于：所述的MobileNet模型文件獲取包括以下步驟：

A501）數(shù)據(jù)預(yù)處理，用于對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理和對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，數(shù)據(jù)預(yù)處理包括隨機(jī)翻轉(zhuǎn)、隨機(jī)裁剪、添加高斯噪聲、HSV空間隨機(jī)抖動(dòng)；

A502）模型訓(xùn)練，在電腦上使用Pytorch對(duì)MobileNet識(shí)別算法進(jìn)行編寫然后加載預(yù)處理的數(shù)據(jù)進(jìn)行訓(xùn)練，使網(wǎng)絡(luò)進(jìn)行前向計(jì)算并進(jìn)行誤差反向傳播更新網(wǎng)絡(luò)參數(shù)；

A503）保存模型文件，將訓(xùn)練結(jié)束的MobileNet網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)保存為MobileNet模型文件并儲(chǔ)存在客戶端識(shí)別模塊中。

6.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別方法，其特征在于：所述的服務(wù)端識(shí)別算法為DenseNet分類算法，其識(shí)別包括以下步驟：

A601）服務(wù)端識(shí)別模塊加載DenseNet網(wǎng)絡(luò)結(jié)構(gòu)和DenseNet模型文件；

A602）服務(wù)端識(shí)別模塊加載存儲(chǔ)在Web服務(wù)服務(wù)模塊中用戶上傳的圖片，并傳入DenseNet網(wǎng)絡(luò)結(jié)構(gòu)中，進(jìn)行計(jì)算得出所屬的病蟲害種類。

7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的混合式病蟲害識(shí)別方法，其特征在于：所述的DenseNet模型文件獲取包括以下步驟：

A701）數(shù)據(jù)預(yù)處理，用于對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理和對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，數(shù)據(jù)預(yù)處理包括隨機(jī)翻轉(zhuǎn)、隨機(jī)裁剪、添加高斯噪聲、HSV空間隨機(jī)抖動(dòng)；

A702）模型訓(xùn)練，在電腦上使用Pytorch對(duì)DenseNet識(shí)別算法進(jìn)行編寫，然后加載預(yù)處理的數(shù)據(jù)進(jìn)行訓(xùn)練，使網(wǎng)絡(luò)進(jìn)行前向計(jì)算并進(jìn)行誤差反向傳播更新網(wǎng)絡(luò)參數(shù)；

A703）保存模型文件，將訓(xùn)練結(jié)束的DenseNet網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)保存為DenseNet模型文件并儲(chǔ)存在服務(wù)端識(shí)別模塊中。