[发明专利]农作物种类与病虫害类型的联合识别方法及装置

权利要求书

1.一种农作物种类与病虫害类型的联合识别方法，其特征在于，所述方法包括：

采用预设的深度全卷积神经网络对待检测的农作物图像进行农作物种类特征提取得到农作物种类特征图和进行病虫害类型特征提取得到病虫害类型特征图；

将所述病虫害类型特征图通过预设的多示例学习融合模型进行运算来获第一病虫害类型评估值，根据预设的训练集和所述第一病虫害类型评估值获得农作物种类贝叶斯概率值；

将所述农作物种类特征图通过预设的全连接神经网络模型来获得第一农作物种类评估值，根据预先存储的训练集和所述第一农作物种类评估值获得病虫害类型贝叶斯概率值；

根据所述第一病虫害类型评估值和所述病虫害类型贝叶斯概率值获得第二病虫害类型评估值，再根据所述第一农作物种类评估值和所述农作物种类贝叶斯概率值获得第二农作物种类评估值。

2.根据权利要求1所述的一种农作物种类与病虫害类型的联合识别方法，其特征在于，所述采用预设的深度卷积神经网络对待检测的农作物图像进行农作物种类特征提取得到农作物种类特征图和进行病虫害类型特征提取得到病虫害类型特征图，包括：

对所述农作物图像进行卷积运算获得农作物特征图；

对所述农作物特征图进行最大池化运算获得所述农作物种类特征图和进行均值池化运算获得所述病虫害类型特征图。

3.根据权利要求2所述的一种农作物种类与病虫害类型的联合识别方法，其特征在于，所述根据所述第一病虫害类型评估值和所述病虫害类型贝叶斯概率值获得第二病虫害类型评估值，包括：

计算所述第一病虫害类型评估值与所述病虫害类型贝叶斯概率的均值为所述第二病虫害类型评估值。

4.根据权利要求3所述的一种农作物种类与病虫害类型的联合识别方法，其特征在于，所述再根据所述第一农作物种类评估值和所述农作物种类贝叶斯概率值获得所述第二农作物种类评估值，包括：

计算所述第一农作物种类评估值和所述农作物种类贝叶斯概率值的均值为所述第二农作物种类概率。

5.根据权利要求4所述的一种农作物种类与病虫害类型的联合识别方法，其特征在于，所述预设的深度全卷积神经网络为权值共享的深度全卷积神经网络，所述农作物种类特征提取与所述病虫害类型特征提取权值共享。

6.一种农作物种类与病虫害类型的联合识别装置，其特征在于，所述装置包括：图像特征提取模块、第一运算模块、第二运算模块、第三运算模块；

所述图像特征提取模块用于采用预设的深度全卷积神经网络对待检测的农作物图像进行农作物种类特征提取得到农作物种类特征图和进行病虫害类型特征提取得到病虫害类型特征图；

所述第一运算模块用于将所述病虫害类型特征图通过预设的多示例学习融合模型进行运算来获第一病虫害类型评估值，并根据预设的训练集和所述第一病虫害类型评估值获得农作物种类贝叶斯概率值；

所述第二运算模块，用于将所述农作物种类特征图通过预设的全连接神经网络模型来获得第一农作物种类评估值，并根据预先存储的训练集和所述第一农作物种类评估值获得病虫害类型贝叶斯概率值；

所述第三运算模块，用于根据所述第一病虫害类型评估值和所述病虫害类型贝叶斯概率值获得第二病虫害类型评估值，并根据所述第一农作物种类评估值和所述农作物种类贝叶斯概率值获得第二农作物种类评估值。

7.根据权利要求6所述的一种农作物种类与病虫害类型的联合识别装置，其特征在于，图像特征提取模块包括：卷积单元、第一池化单元和第二池化单元；

所述卷积单元，用于对所述农作物图像进行卷积运算获得农作物特征图；

所述第一池化单元，用于对所述农作物特征图进行最大池化运算获得所述农作物种类特征图；

所述第二池化单元，用于对所述农作物特征图进行均值池化运算获得所述病虫害类型特征图。