[發明專利]一種基于卷積神經網絡的蘋果葉部病害診斷方法

在審

• 申請號: 202210278313.8
• 申請日: 2022-03-21
• 公開（公告）號: CN114638959A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 劉斌;張嘉琦;田靚靚;張海曦;袁愛紅
• 申請（專利權）人: 西北農林科技大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

本發明提出了一種基于卷積神經網絡的蘋果葉部病害診斷方法，該方法針對含有不同大小的病變區域的蘋果葉病檢測問題，提出了多尺度特征提取、V?空間定位分支和多尺度注意力機制相結合的蘋果葉部病害檢測方法，實現對不同尺度病斑的準確檢測。該方法旨在對不同大小的病斑提取更可靠的特征表示，提高最終檢測性能。建立多尺度特征提取，融合不同層次的特征，進一步提高蘋果葉片病害，特別是小病斑的檢測性能。然后提出了V?空間定位分支，在增強病斑定位的紋理特征信息方面發揮了重要作用。同時，利用注意力機制，自動學習不同尺度的特征通道對區分不同大小的病斑的重要性。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種基于卷積神經網絡的蘋果葉部病害診斷方法和系統。

背景技術

蘋果是世界上最暢銷的水果之一，而中國也是世界上蘋果產量最多的國家，蘋果種植面積和產量均占世界總量的40％以上。目前，蘋果產業已經成為了繼糧食、蔬菜之后我國的第三大農業種植產業。對于它的需求逐漸擴大，伴隨著的是多種病害的侵擾。特別是在多雨地區和多雨的月份，常造成病害猖獗流行，給蘋果產業帶來重大損失。因此，高效準確地蘋果病害診斷是采取防治措施及時止損的首要工作。隨著計算機視覺技術研究的不斷深入，基于深度卷積神經網絡的作物病害診斷已成為智慧農業的研究熱點。

蘋果葉部病害診斷技術主要可以分為兩類：傳統的疾病防治技術和利用計算機技術的病害診斷技術。傳統上，蘋果葉部病害診斷過程通過人工實時觀察疫情發展動態，再提出防治策略。這種方法非常耗時，由于病害發生規律復雜，對于普通種植者來說很難對各種病變做出明確診斷。這可能導致農藥的不合理使用，造成一系列污染問題，破壞蘋果的生長環境。利用計算機技術的病害診斷技術有兩種技術路線，基于機器學習的特征提取病害診斷方法和基于深度學習的病害檢測識別方法。然而，傳統的機器學習方法需要相關植物病理學方面的技能和專業知識且嚴重依賴人工經驗進行特征提取，導致檢測精度低，難以處理農業領域的復雜實際問題?，F有的深度學習病害檢測識別方法由于其對不同尺度的病斑適應性較差，無法實現對蘋果葉部病害的快速準確診斷，所以對于病害的診斷及防治研究具有十分重大的意義。

發明內容

本發明的目的在于克服上述現有技術的缺點，提供一種基于卷積神經網絡的蘋果葉部病害診斷方法和系統，以解決現有技術中蘋果葉部病害診斷方法檢測精度低，普適性差的問題。

為達到上述目的，本發明采用以下技術方案予以實現：

一種基于卷積神經網絡的蘋果葉部病害診斷方法，包括以下步驟：

步驟1，將待處理圖片數據分為訓練集、驗證集和測試集；

步驟2，將訓練集中一批數據輸入至VGG前置網絡中，通過VGG前置網絡提取出不同級別的病害特征；將VGG前置網絡中的卷積層4_3、卷積層FC7和卷積層7_2三個卷積層的輸出特征圖輸入至金字塔特征提取器，金字塔特征提取器生成7個金字塔特征圖；

對所述訓練集中一批數據通過最大池化操作，下采樣后獲得7個紋理特征圖；

將金7個金字塔特征圖和7個紋理特征圖以通道維度拼接的方法融合后，獲得7個病害特征圖；

將7個病害特征圖通過多尺度注意力模塊處理獲得每一個病害特征圖的分配權重；

步驟3，在每一個病害特征圖的單元格中心設置默認框，獲得默認框在原圖像中的位置信息，通過默認框在原圖像的位置信息，計算損失函數；通過損失函數，修改神經網絡網絡模型的權重參數；

將訓練集中的數據分批次輸入至神經網絡模型中，直至訓練集的中數據訓練結束且損失函數和模型的預測準確率均趨于穩定時，獲得最終的神經網絡模型；所述神經網絡模型中有每一個特征通道的重要性權重；

步驟4，將待診斷圖像輸入至神經網絡模型中，通過每一特征通道的重要性權重，獲得診斷結果，在待診斷圖像上標出病害類別和病斑位置。