[發明專利]一種木薯病害識別方法

在審

• 申請號: 202110659758.6
• 申請日: 2021-06-15
• 公開（公告）號: CN113408393A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 陳明;馮國富;王芝榕;王夢奇;洪宇;李治杰
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 耿悅

本發明公開了一種木薯病害識別方法，其包括：S1、采集木薯葉部的病害圖像，并進行分類；S2、對分類后的所述病害圖像進行預處理；S3、對所述圖像數據進行數據擴充，形成圖像數據集；S4、將所述圖像數據集劃分訓練集、驗證集和測試集；S5、構建網絡模型；S6、將所述訓練集的圖像數據放入到所述網絡模型中進行訓練，每訓練完一次，使用所述驗證集的圖像數據進行驗證，直至完成網絡模型的訓練；S7、將所述測試集中的圖像數據放入到所述網絡模型中進行病害識別。本發明極大地縮減了模型構建時間，提高了模型的準確率，提升了其識別效果。

技術領域

本發明涉及農業病蟲害識別技術領域，尤其涉及一種木薯病害識別方法。

背景技術

近年來，國內對木薯需求不斷增加，但由于空氣污染及環境惡化的影響，木薯主產地非洲及越南等國產量逐漸減少，直接造成當地數百億的經濟損失。導致木薯產量下降的直接原因是因環境惡化所產生的一系列病害，其中，花葉病(Mosaic Disease)，綠斑病(Green Mottle)，白葉枯病(Bacterial Bight)，褐條病(Brown Streak)為影響木薯產量的主要病癥。及時準確地判斷病蟲害的類型，減少此類病害對木薯產量的影響十分重要。目前針對病蟲害的檢測主要以具有相關專業知識的人工進行實地考察目測的方式進行判斷，這種方法需要耗費大量的時間以及人力。近年來隨著計算機視覺技術及神經網絡的發展，許多研究人員使用機器學習的算法對農作物的病蟲害進行識別，但是此類通用方法效果欠佳，受各種環境因素的影響，魯棒性差，很難在農業應用上進行實地推廣。

發明內容

基于此，有必要針對上述技術問題，提供一種識別效果好、準確率高的木薯病害識別方法。

一種木薯病害識別方法，其包括：

S1、采集木薯葉部的病害圖像，并進行分類；

S2、對分類后的所述病害圖像進行預處理；

S3、對所述圖像數據進行數據擴充，形成圖像數據集；

S4、將所述圖像數據集劃分訓練集、驗證集和測試集；

S5、構建網絡模型；

S6、將所述訓練集的圖像數據放入到所述網絡模型中進行訓練，每訓練完一次，使用所述驗證集的圖像數據進行驗證，直至完成網絡模型的訓練；

S7、將所述測試集中的圖像數據放入到所述網絡模型中進行病害識別。

在其中一個實施例中，所述步驟S1中，對所述病害圖像進行分類包括：搜索網絡獲取到相關木薯病害圖像數據，然后，按病害類別使用Labelimg對病害圖像進行人工標簽分類。

在其中一個實施例中，所述步驟S2中，對分類后的所述病害圖像進行預處理包括：

S21、使用Pytorch的transform函數庫對所述病害圖像進行降噪處理；

S22、將所述病害圖像進行統一裁剪到256*256大小。

在其中一個實施例中，所述步驟S21中，降噪處理方式為高斯模糊，使用5*5的領域窗口，標準差為3；所述步驟S22中，裁剪方式為以圖像中心為原點進裁剪，對不足256*256大小的圖像，以最短邊進行計算，進行放大到256后，再裁剪。

在其中一個實施例中，所述步驟S3中，對所述圖像數據進行數據擴充，形成圖像數據集包括：

對所述圖像數據進行旋轉角度、隨機裁剪、修改亮度和對比度、隨機翻轉中的任意一種或多種方式；

所述旋轉角度方式包括：對圖像數據在0°～90°范圍內進行隨機角度旋轉，并以圖像變換中心為原點，對旋轉后的圖像進行裁剪使之大小相同的圖像；