[發明專利]一種基于機器學習的農作物葉片異常檢測方法及系統

有效

• 申請號: 202110396252.0
• 申請日: 2021-04-13
• 公開（公告）號: CN113255440B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 孫曉勇;張梓婷;韓金玉
• 申請（專利權）人: 山東農業大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/56;G06V10/774;G06V10/762;G06N20/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 宋海海

本發明提供一種基于機器學習的農作物葉片異常檢測方法及系統，屬于農作物異常檢測和計算機視覺技術領域。本發明旨在通過處理獲取的農作物葉片數據，并只需要訓練正常數據集即可判斷數據異常與否，以便進一步判斷異常類型，搭建農作物實時葉片病害異常檢測大數據平臺，為保障農業安全奠定基礎，因此具有良好的實際應用之價值。

技術領域

本發明屬于農作物異常檢測和計算機視覺技術領域，具體涉及一種基于機器學習的農作物葉片異常檢測方法及系統。

背景技術

公開該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不必然被視為承認或以任何形式暗示該信息構成已經成為本領域一般技術人員所公知的現有技術。

農業安全是生物安全的重要組成部分，也是國家安全體系的一部分。我國是農業國，人口眾多，農作物必不可少，是我們的營養來源、文化的一部分，對我國的經濟發展也很重要。因此，保障我國的農作物生物安全是一個很嚴峻的任務。目前由于全球變暖等環境因素以及外部因素的影響，我國農作物病蟲草害普遍存在，如何在較早的階段發現并預警尤為重要。受經濟全球化影響，我國進口種子可能會攜帶外來入侵病毒等嚴重影響農作物健康狀況。

目前有很多監測技術，深度學習準確率高，但是發明人發現，其存在兩個問題：1、需要大量異常(生物脅迫與非生物脅迫)數據集，但是往往異常發生時間地點特殊，無法預測，采集需大量人力物力；2、如果遇到未知病害或蟲害等，存在檢測不出的缺陷。

發明內容

針對上述現有技術的不足，本發明提供一種基于機器學習的農作物葉片異常檢測方法及系統。本發明旨在通過處理獲取的農作物葉片數據，并只需要訓練正常數據集即可判斷數據異常與否，以便進一步判斷異常類型，搭建農作物實時葉片病害異常檢測大數據平臺，為保障農業安全奠定基礎，因此具有良好的實際應用之價值。

本發明是通過如下技術方案實現的：

本發明的第一個方面，提供一種基于機器學習的農作物葉片異常檢測方法，包括：獲取農作物葉片圖像數據，將所述農作物葉片圖像數據輸入機器學習模型中，輸出農作物葉片是否異常的結果；

其中，所述機器學習模型通過僅將農作物正常葉片圖像數據作為訓練集進行訓練獲得。

本發明的第二個方面，提供一種基于機器學習的農作物葉片異常檢測系統，所述系統包括：

農作物葉片圖像獲取模塊，用于獲取農作物葉片圖像數據；

農作物葉片圖像預處理模塊，對獲取的農作物葉片圖像數據進行預處理；

機器學習模型模塊，基于農作物葉片圖像數據，提取訓練集和測試集數據，利用機器學習算法，建立機器學習模型模塊。

其中，訓練集僅包含農作物正常葉片圖像數據；

農作物葉片異常與否輸出模塊，基于上述建立的機器學習模型模塊，輸出待測農作物葉片異常與否的結果。

本發明的第三個方面，提供一種非暫態計算機程序產品，所述非暫態計算機程序產品包括存儲在計算機能夠讀的介質上的計算機能夠執行的代碼段，所述計算機能夠執行的代碼段用于執行上述基于機器學習的農作物葉片異常檢測方法所進行的步驟。

本發明的第四個方面，提供一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成上述基于機器學習的農作物葉片異常檢測方法所進行的步驟。

上述一個或多個技術方案的有益技術效果：

上述技術方案提供一種基于機器學習的農作物葉片異常檢測方法及系統。通過處理獲取的農作物葉片數據，并只需要訓練正常數據集即可判斷數據異常與否，以便進一步判斷異常類型，從而便于搭建農作物實時葉片病害異常檢測大數據平臺，為保障農業安全奠定基礎，因此具有良好的實際應用之價值。

附圖說明