[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

说明书

本发明提供了一种农作物种类与病虫害类型的联合识别方法及装置，所述方法将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第一病虫害类型评估值获得农作物种类贝叶斯概率值。之后将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。根据第一病虫害类型评估值和病虫害类型贝叶斯概率值获得第二病虫害类型评估值，再根据第一农作物种类评估值和农作物种类贝叶斯概率值获得第二农作物种类评估值。在实现了对农作物种类以及病虫害类型的高准确率识别的同时大大减少了对训练数据的需求。

技术领域

本发明涉及病虫害防治技术领域，具体而言，涉及一种农作物种类与病虫害类型的联合识别方法及装置。

背景技术

农作物病虫害作为主要的农业灾害之一，严重影响了农业生产活动有效进行。对农作物的病虫害进行识别是对农作物病虫害的防治有着重要的意义。目前，有不少工作者通过图像识别的技术区队农作物病虫害进行自动识别，但这些技术往往受到了田间的如光照、角度、叶片数量以及背景等多种多样的因素的限制。同时，近年来深度学习的发展使计算机图像识别技术得到了提升，但是收集海量训练数据的过程费时费力而且数据标注过程需要大量的人为操作参与。

发明内容

有鉴于此，本发明实施例提供了一种农作物种类与病虫害类型的联合识别方法及装置。

为了实现上述目的，本发明采用的技术方案如下：

第一方面，本发明实施例提供了一种农作物种类与病虫害类型的联合识别方法，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。

进一步的，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大面积池化运算获得所述农作物种类特征图和进行小面积池化运算获得所述病虫害类型特征图。

进一步的，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。

进一步的，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。

进一步的，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。