[发明专利]一种基于图片识别果蔬病害的方法及装置

说明书

本申请公开了一种基于图片识别果蔬病害的方法及装置，其中方法包括：通过卷积神经网络训练至少一种果蔬病害特征，并产生对应的果蔬病害特征数据；将果蔬病害特征数据存储至存储器；接收被识别图片；通过卷积神经网络提取被识别图片的图片特征；及将图片特征与果蔬病害特征数据对比，并输出对比结果。只需上传疑似患病的黄瓜图片，对图像进行处理，即可输出相应的病害名称或没有患病，改善了传统方法中的图像预处理和人工参与进行特征提取的复杂性，降低了对数据集质量的要求。解决人工方法效率低、准确率不高的问题，能够及时而精准地检测出黄瓜病害，与传统的机器训练方法相比较，在准确度和泛化能力上有很大的优势。

技术领域

本申请涉及图片识别领域，特别是涉及一种基于图片识别果蔬病害的方法及装置。

背景技术

传统的黄瓜检测方法是通过专业人员人工观察黄瓜的症状，然后根据以往的经验判断病害种类。这种方法受人为因素影响较大,有可靠性低、识别效率低等问题。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓解上述问题。

根据本申请的一个方面，提供了一种基于图片识别果蔬病害的方法，包括如下步骤：S100：通过卷积神经网络训练至少一种果蔬病害特征，并产生对应的果蔬病害特征数据；S200：将所述果蔬病害特征数据存储至存储器；S300：接收被识别图片；S400：通过所述卷积神经网络提取所述被识别图片的图片特征；及S500：将所述图片特征与所述果蔬病害特征数据对比，并输出对比结果。

可选地，所述步骤100包括：

S101：接收训练图片；

S102：对所述训练图片进行步长为2，卷积核尺寸为7*7的卷积运算，并输出64张第一图片；

S103：对所述64张第一图片进行步长为2，卷积核尺寸为3*3的最大池化运算，并输出64张第二图片；

S104：对所述64张第二图片进行卷积核尺寸为1*1的卷积运算，并输出128张第三图片；

S105：对所述128张第三图片进行32组卷积运算，每组卷积运算输入图片数量为128张、卷积核尺寸为3*3的卷积运算、输出图片的数量为128张，其中所述第1组卷积运算的输入图片为所述128张第三图片，所述第2组至所述第32组卷积运算的输入图片为上一组卷积运算输出的128张图片，所述第32组卷积运算输出的128张图片为第四图片；

S106：对所述128张第四图片进行卷积核尺寸为1*1的卷积运算，并输出256张第五图片；

S107：在由所述256张第五图片及所述64张第二图片组成的第一图片库中随机选取256张第一随机图片，对所述256张第一随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第六图片；

S108：对所述128张第六图片进行32组卷积运算，每组卷积运算输入图片数量为128张、卷积核尺寸为3*3的卷积运算、输出图片的数量为128张，其中所述第1组卷积运算的输入图片为所述128张第六图片，所述第2组至所述第32组卷积运算的输入图片为上一组卷积运算输出的128张图片，所述第32组卷积运算输出的128张图片为第七图片；

S109：对所述128张第七图片进行卷积核尺寸为1*1的卷积运算，并输出256张第八图片；

S110：在由所述256张第八图片及所述64张第二图片组成的第二图片库中随机选取256张第二随机图片，对所述256张第二随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第九图片；