[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

本申請提供了一種植物病蟲害的識別方法、裝置、電子設備及存儲介質，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，確定待檢測圖像的至少一個目標癥狀描述標簽；基于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。這樣，本申請通過預先訓練好的疾病癥狀識別模型進行多標簽識別，確定目標植物的待檢測圖像的至少一個目標癥狀描述標簽，并通過至少一個癥狀描述標簽和疾病知識圖譜可以對目標植物所患的多種病害和/或蟲害同時進行識別，從而可以提高植物病蟲害識別結果的準確性。

技術領域

本申請涉及圖像處理技術領域，尤其是涉及一種植物病蟲害的識別方法、裝置、電子設備及存儲介質。

背景技術

植物病蟲害是指植物生長期間感染的病害和蟲害，是危害商業農產品的主要原因之一，植物病蟲害的有效識別對農業植物病蟲害預測、糧食安全和農業經濟的穩定起著至關重要的作用。

但是，植物病蟲害癥狀具有高度的復雜性，同一種病蟲害的癥狀，在發病的各個時期，可能具有不同程度的差異性，有些病蟲害甚至在同種作物的同一時期具有不同的特征。例如柑橘黃龍病，就同時具有“葉片均勻黃化”和“葉片斑駁黃化”兩種截然不同的特征。另外，同一個植株也可能混雜多個病蟲害，例如某個植物可能同時患有潰瘍病、缺素癥或者附生潛葉蛾疾病，那么這些癥狀在葉片上的表現就是多個癥狀的疊加。

而現有的植物病蟲害識別的技術方案大多采用圖像多分類的方式進行病蟲害圖像識別，每個病蟲害癥狀圖像對應1個癥狀標簽，但是這種識別方法會存在以下問題：1)同一標簽的病害具有兩種截然不同的癥狀圖像，這會導致訓練數據的混淆，數據集的聚合度下降；2)多個病癥疊加時，只輸出可能性最高的標簽，不能正確反應圖像種所蘊含的所有癥狀信息，不能正確的識別出植物所患的多種疾病。因此如何對植物所患病蟲害進行有效識別以及提高識別結果的準確度是亟待解決的技術問題。

發明內容

有鑒于此，本申請的目的在于提供一種植物病蟲害的識別方法、裝置、電子設備及存儲介質，通過預先訓練好的疾病癥狀識別模型進行多標簽識別，確定目標植物的待檢測圖像的至少一個目標癥狀描述標簽，并通過確定出的至少一個目標癥狀描述標簽和疾病知識圖譜，對目標植物所患的多種病害和/或蟲害同時進行識別，從而提高植物病蟲害識別結果的準確性。

本申請實施例提供了一種植物病蟲害的識別方法，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。

可選的，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。

可選的，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。

可選的，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：