[发明专利]一种基于图像识别的猕猴桃叶片病害识别方法

说明书

一种基于图像识别的猕猴桃叶片病害识别方法，包含一种猕猴桃叶片病害识别深度神经网络训练方法和一种猕猴桃叶片病害深度神经网络识别方法，以及基于该方法的猕猴桃叶片病害自动检测系统；该方法和系统，实现猕猴桃种植过程中对猕猴桃叶片病害的快速、准确分别和分类；无需人工参与和判决，具备易复制性及复制成本低等特性；全自动化设计，实时不间断监测，远程监控，保证猕猴桃叶片病害发现的及时和有效性，极大降低人力成本、提升效率；方法上对图片进行预处理，降低了室外阳光变化带来的图像曝光变化大的缺点，同时采用深度神经网络分类方式，极大提升了病害分类的准确性，使得该系统的适用范围得到进一步扩展。

技术领域

本发明涉及图像识别，具体涉及一种基于图像识别的猕猴桃叶片病害识别方法。

背景技术

猕猴桃作为一种营养丰富的水果，近年来时长需求不断提升；猕猴桃种植也是一种农村致富的有效手段；但在猕猴桃种植过程中，猕猴桃病虫害对其产量影响巨大，如猕猴桃褐斑病、猕猴桃灰霉病等，病害初期从叶片开始表现；猕猴桃病害的识别需要专业知识和培训，也需要在病害初期即进行相应处理，专业性和实时性限制了猕猴桃种植过程中，减少病害造成的影响。

发明内容

本发明的目的在于提供一种基于图像识别的猕猴桃叶片病害识别方法，通过图像识别的方法，完成猕猴桃种植过程中的叶片出现的病害的准确分类和识别。

本发明目的按如下技术方案实现：

一种基于图像识别的猕猴桃叶片病害识别方法，包含一种猕猴桃叶片病害识别深度神经网络训练方法和一种猕猴桃叶片病害深度神经网络识别方法；

所述一种猕猴桃叶片病害深度神经网络识别方法，该方法包括：

首先，对获取的高清图像进行预处理，并识别高清图像中的猕猴桃叶片区域；

其次，根据识别结果截取高清图像中的猕猴桃叶片区域，做归一化处理，得到叶片归一化图像；

然后，将叶片归一化图像输入到猕猴桃叶片病害深度神经网络中，输出猕猴桃叶片有病害的概率以及猕猴桃叶片病害类别的分类概率；

最后，根据猕猴桃叶片病害深度神经网络的输出结果：猕猴桃叶片有病害的概率以及猕猴桃叶片病害类别的分类概率进行判决，得出判决结果；

所述对获取的高清图像进行预处理，调节高清图像的曝光，调整因逆光造成高清图像的曝光过大现象或者因光线等因素造成高清图像的曝光不足现象；具体步骤如下：

首先计算图像整体亮度值；

其次若图像整体亮度值偏亮，即图像整体亮度值大于过度曝光门限值，通过调节图像的曝光，使得图像变暗，从而图像更清晰；若图像整体亮度值偏暗，即图像整体亮度值小于曝光不足门限值，通过调节图像的曝光，使得图像变量，从而图像更清晰；其余不做处理；

所述计算图像整体亮度值方法如下：

将高清图像的BGR格式转换为HSV格式；统计V通道的均值：

式中，W为高清图像的宽、H为高清图像的高、V_ij为高清图像HSV格式下V通道(i,j)位置的值，为图像整体亮度值；

所述调节图像的曝光的公式为：

式中，v为高清图像BGR格式下像素点在一个通道上的像素值，取值范围为[0,255]，为经过调整图像的曝光后的输出像素值；γ大于1，对高清图像曝光过大进行抑制，γ小于 1，对高清图像曝光不足进行补偿；

所述识别高清图像中的猕猴桃叶片区域，采用叶片识别模型完成猕猴桃叶片区域的识别；所述叶片识别模型为采用SSD识别框架线下训练完成；