[发明专利]一种草莓病虫害快速分类方法及装置

权利要求书

1.一种草莓病虫害快速分类方法，其特征在于，包括以下步骤：

S1：从多个平台上持续获取草莓病虫害图像数据，形成草莓病虫害数据库；

S2：针对草莓病虫害图像数据进行统一标定；

S3：从标定好的草莓病虫害数据库中选取样本集；

S4：建立深度卷积神经网络模型，所述模型的输入为草莓病虫害原始图像，输出为草莓病虫害分类向量；

S5：将样本集放入深度卷积神经网络模型中进行训练，利用S折交叉验证来选择模型；

S6：将待分类的草莓病虫害图像输入到选择的模型中进行计算，得到所述待分类的草莓病虫害的分类结果；

其中，S4中深度卷积神经网络模型为10层，其中，第一层为输入层，输入为草莓病虫害原始图像，第二、四、七、九层为卷积层，第三、五、八为非线性变换层，第六、九层为下采样层，第十层为全连接层，输出为草莓病虫害分类结果；

第一层和第二层之间包括16个卷积核，第三层和第四层之间包括32个卷积核，第六层和第七层之间包括48个卷积核，卷积操作使用Octave convolution；

第三层非线性函数为tanh，第五层非线性函数为Relu函数max(0,x)，第八层非线性函数为tanh，第六层为最大值池化，池化核尺寸2x2，池化核移动幅度为2，第九层为最大值池化，池化核尺寸4x4，池化核移动幅度为4；

第十层为全连接层，维度为1x1x19，其中19表示草莓病虫害分类数，所述第十层的输出使用softmax函数进行概率表示：

所述第十层的输出为19维向量，每一维表示草莓病虫害图像属于这一维的概率；

S5中通过交叉熵作为目标损失函数来对所述深度卷积神经网络模型进行训练，所述目标损失函数为：

其中，y_i表示图片类别的第i维真实概率值，表示经过神经网络计算得到图片类别的第i维的概率值；

S5中利用S折交叉验证来选择模型，具体包括：

S51、将所述样本集切分为S个互不相交的大小相同的子集；

S52、选择任意S-1个子集的数据训练模型，使用余下的子集测试模型；

S53、重复步骤S52，选出平均测试误差最小的模型。

2.根据权利要求1所述的草莓病虫害快速分类方法，其特征在于：S1中获取平台包括但不限于实验室、植保站、互联网，所述的草莓病虫害包括草莓灰霉病、草莓白粉病、草莓红中柱根腐病、草莓炭疽病、疫霉果腐病、草莓菌核病、草莓黄萎病、草莓枯萎病、草莓芽枯病、草莓蛇眼病、草莓褐斑病、草莓假轮斑病、草莓黑斑病、芽线虫病、病毒病、草莓畸形果、草莓白果病、草莓缺钙、草莓缺钾。

3.根据权利要求1所述的草莓病虫害快速分类方法，其特征在于：S2中标定前将数据进行灰度校正和噪声过滤。

4.根据权利要求1所述的草莓病虫害快速分类方法，其特征在于：S3中在数据库中按照均匀概率随机选取。

5.权利要求1所述的草莓病虫害快速分类方法采用的分类装置，其特征在于，包括：

图像采集单元；

图像库建立单元；

标记单元；

样本集选取单元；

模型建立单元；

模型训练单元；

计算单元。

6.权利要求5所述的草莓病虫害快速分类方法采用的分类装置，其特征在于，所述模型训练单元还包括：

拆分子单元；

训练子单元；

选择子单元。