[发明专利]一种从大视野图像中检测被感染对象的计算机实现的方法

权利要求书

1.一种从大视野图像中检测被感染对象的计算机实现的方法，包括：

由处理器接收捕获多个对象的数字图像；

由所述处理器从所述数字图像生成分别对应于多个比例的多个缩放图像；

计算所述数字图像的一组特征矩阵；

对于所述多个缩放图像中的每一个：

从该缩放图像中选择候选区域的列表，每个候选区域可能捕获单个对象；和

对于所述候选区域的列表中的每个候选区域：

将该候选区域映射回所述数字图像以获得映射区域；

基于所述映射从所述一组特征矩阵的每一个中识别对应的部分；和

基于一组对应部分来确定该候选区域是否可能捕获被疾病感染的单个对象；

基于所述确定，从映射区域的列表中选择一组最终区域；和

导致显示与所述一组最终区域有关的信息。

2.如权利要求1所述的计算机实现的方法，所述多个对象是作物田中的多个叶子，并且所述单个对象是所述多个叶子之一。

3.如权利要求1所述的计算机实现的方法，

所述确定包括计算与所述疾病相关联的感染概率，

所述选择基于大于一定阈值的感染概率。

4.如权利要求1所述的计算机实现的方法，

所述确定包括计算与所述疾病相关联的感染概率，

所述选择包括：

识别映射区域的列表中具有最大感染概率的一个映射区域；

排除与所述一个映射区域重叠了超过一定阈值的数量的任何映射区域；

重复前两个步骤，直到停止条件得到满足为止。

5.如权利要求1所述的计算机实现的方法，

所述计算包括在所述数字图像上执行卷积神经网络(CNN)的一个或多个卷积层，所述一个或多个卷积层被配置为以所述多个比例提取所述单个对象的特征值，

所述确定包括：

在特征矩阵的所述一组对应部分中的每个对应部分上执行所述CNN的池化层；

在该池化层的输出数据上执行所述CNN的全连接层，该全连接层被配置为关于与分别被不同疾病感染的所述单个对象相对应的不同类别对特征值的组合进行分类。

6.如权利要求1所述的计算机实现的方法，所述选择包括：

使用特定大小的滑动窗口从所述缩放图像中生成多个区域；

针对这多个区域中的每一个：

计算该区域的特征向量；

基于该特征向量确定该区域是否可能捕获所述单个对象。

7.如权利要求6所述的计算机实现的方法，所述计算包括为所述区域构造方向梯度直方图(HOG)。

8.如权利要求6所述的计算机实现的方法，确定所述区域是否可能捕获所述单个对象包括：在所述特征向量上执行支持向量机(SVM)，该SVM被配置为关于与所述单个对象的存在或不存在相对应的不同类别对一组特征值进行分类。

9.如权利要求1所述的计算机实现的方法，所述单个对象是玉米叶，并且所述疾病是灰叶斑病(GLS)、戈斯枯萎病(GW)或北方叶枯病(NLB)。

10.如权利要求1所述的计算机实现的方法，所述信息针对所述一组最终区域中的一个最终区域指示该最终区域在所述数字图像内的位置以及对应的疾病。