[发明专利]一种基于深度学习的葡萄病虫害识别方法及装置

说明书

本发明公开了一种基于深度学习的葡萄病虫害识别方法，包括以下步骤：对获取的葡萄株图像进行处理得到图像特征信息；对图像特征信息进行分析提取病虫害特征信息；将提取的病虫害信息与预设数据特征库进行对比，获取葡萄病虫害类型。本发明还提出一种基于深度学习的葡萄病虫害识别装置。本发明将深度学习的方法用于病虫害检测，代替人工检测葡萄病虫害的情况，有效降低了因人工主观性带来的诊断失误，节约了大量的人工成本，提高了葡萄病虫害检测的准确率和检测速度，有效提高了葡萄种植者的工作效率，节省大量人力，物力，具有十分广阔的市场应用前景。

技术领域

本发明涉及葡萄病虫害识别领域，尤其涉及一种基于深度学习的葡萄病虫害识别方法及装置。

背景技术

葡萄病虫害是影响葡萄产量的主要自然灾害之一，是葡萄生长过程中遭遇的重大自然灾害，严重影响葡萄产量和质量以及受益。

国内外从上世纪开始研究主要采用物理机制进行葡萄病虫害的识别，主要有声测、诱集、近红外等，然而这些方法由于人工检测效率低下，噪声干扰等原因，难以满足识别病虫害的要求。

随着计算机视觉技术的快速发展，许多学者利用机器学习的方法对葡萄病虫害进行识别，但是模型较复杂，应用并不广泛。深度学习方法在葡萄病虫害识别领域得到了较为广泛的应用，但是单纯的深度学习方法在复杂背景下的识别率较低。

发明内容

针对上述现有技术存在不足，本发明提供一种基于深度学习的葡萄病虫害识别方法及装置，能够对葡萄所受病虫害进行有效识别；可以针对不同的病虫害进行不同的整治措施，对葡萄进行及时的治疗，减少不必要的损失。

本发明采用的技术方案为：

一种基于深度学习的葡萄病虫害识别方法，包括以下步骤：

对获取的葡萄株图像进行处理得到图像特征信息；

对图像特征信息进行分析提取病虫害特征信息；

将提取的病虫害信息与预设数据特征库进行对比，获取葡萄病虫害类型。

作为本发明的进一步技术方案为：所述对获取的葡萄株图像进行处理得到图像特征信息，具体包括：对葡萄植株图像进行分割为叶片、果实、叶柄、新梢、卷须和藤条部位的子图像；

对子图像进行灰度处理并进行二值化处理得到第一处理图像；

对第一处理图像进行二次分割得到第二处理图像并得到第二处理图像的图像特征信息。

作为本发明的进一步技术方案为：对图像特征信息进行分析提取病虫害特征信息；具体包括：

对第二处理图像进行处理得到病斑区图像；

对病斑区图像进行形态学图像处理得到最终病斑区图像。

作为本发明的进一步技术方案为：所述对第二处理图像进行处理得到病斑区图像；具体为：根据图像特征信息采用选择搜索方法对第二处理图像处理生成多个子候选区域，对子候选区域进行相似性合并形成候选区域；

对候选区域进行颜色空间变换得到颜色空间候选区域；

利用图像叠加算法得到病斑区图像；

对病斑区图像进行归一化处理，并通过卷积神经网络中进行特征提取得到病虫害特征信息。

作为本发明的进一步技术方案为：所述对候选区域进行颜色空间变换得到颜色空间候选区域；具体为：采用RGB、HSI、Lab三个颜色空间同时进行变换，将三个颜色空间变换后的结果全部作为病斑区图像的候选区域。

作为本发明的进一步技术方案为：所述对病斑区图像进行形态学图像处理得到最终病斑区图像，具体包括：通过开运算来清楚昆虫留在植株上的粪便、沙土，通过闭运算填补虫害内部的孔洞。