[發明專利]一種植物病蟲害的識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210001297.8
• 申請日: 2022-01-04
• 公開（公告）號: CN114332664A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 閆政;何渝君;汪玉東;成正林;唐茂文;鄔明罡
• 申請（專利權）人: 瀚云科技有限公司
• 主分類號: G06V20/20
• 分類號: G06V20/20;G06N3/04;G06N3/08;G06F16/58
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 于彬

1.一種植物病蟲害的識別方法，其特征在于，所述識別方法包括：

獲取目標植物的待檢測圖像；

將所述待檢測圖像輸入至預先訓練好的疾病癥狀識別模型中，確定所述待檢測圖像的至少一個目標癥狀描述標簽；

基于所述至少一個目標癥狀描述標簽，通過搜索所述目標植物所屬植物種類的疾病知識圖譜，確定所述目標植物所患的至少一種疾病；所述疾病包括病害或蟲害中的至少一種。

2.根據權利要求1所述的識別方法，其特征在于，通過以下步驟訓練所述疾病癥狀識別模型：

獲取第一訓練數據集和第二訓練數據集；所述第一訓練數據集中的樣本數量高于所述第二訓練數據集中的樣本數量，所述第一訓練數據集中的樣本精度低于所述第二訓練數據集中的樣本精度；

使用所述第一訓練數據集預訓練疾病癥狀識別神經網絡，直至所述疾病癥狀識別神經網絡收斂，得到初始疾病癥狀識別模型；

使用所述第二訓練數據集對所述初始疾病癥狀識別模型中的模型參數進行微調，直至所述初始疾病癥狀識別模型收斂，得到疾病癥狀識別模型。

3.根據權利要求2所述的識別方法，其特征在于，所述疾病癥狀識別神經網絡為混合結構的自注意力神經網絡，所述混合結構的自注意力神經網絡包括自注意力神經網絡和深度殘差神經網絡。

4.根據權利要求3所述的識別方法，其特征在于，使用所述第一訓練數據集預訓練疾病癥狀識別神經網絡，直至所述疾病癥狀識別神經網絡收斂，得到初始疾病癥狀識別模型，包括：

將所述第一訓練數據集中的每張訓練樣本圖像輸入至預先訓練好的所述深度殘差神經網絡中進行圖像特征處理，確定每張訓練樣本圖像的特征序列；所述圖像特征處理包括以下至少一種處理方式：特征提取處理、維度轉換處理、全局平均池化處理、特征解耦處理以及特征拼接處理；

將每張訓練樣本圖像的特征序列作為輸入特征，每張訓練樣本圖像的疾病癥狀標簽作為輸出特征，訓練所述自注意力神經網絡，直至所述自注意力神經網絡收斂，得到初始疾病癥狀識別模型；其中，每張訓練樣本圖像均具有多個疾病癥狀標簽。

5.根據權利要求1所述的識別方法，其特征在于，通過以下步驟構建所述目標植物所屬植物種類的疾病知識圖譜：

將所述目標植物所屬植物種類確定為所要構建的疾病知識圖譜的類別節點；

確定所述目標植物所屬植物種類所患的至少一種疾病，將每種疾病各自確定為類別節點下的一個疾病節點；

針對于每種疾病，將該疾病的每個癥狀描述各自確定為該疾病對應的疾病節點下的一個癥狀節點；

將所述類別節點與每個疾病節點相連，將每個疾病節點與各自對應的癥狀節點相連，構建得到所述目標植物所屬植物種類的疾病知識圖譜。

6.根據權利要求3所述的識別方法，其特征在于，所述將所述待檢測圖像輸入至預先訓練好的疾病癥狀識別模型中，確定所述待檢測圖像的至少一個目標癥狀描述標簽，包括：

將所述待檢測圖像輸入至預先訓練好的疾病癥狀識別模型中，通過所述疾病癥狀識別模型中預先訓練好的深度殘差神經網絡，確定所述待檢測圖像的待檢測特征序列；

通過所述疾病癥狀識別模型中的自注意力神經網絡識別所述待檢測圖像的待檢測特征序列，確定所述待檢測圖像的每種癥狀描述標簽的概率值；

將概率值大于預設概率的癥狀描述標簽確定為所述待檢測圖像的目標癥狀描述標簽。