[发明专利]一种基于图像的农作物病虫害检测方法、系统及设备在审

专利信息
申请号: 202010183999.3 申请日: 2020-03-16
公开(公告)号: CN111401245A 公开(公告)日: 2020-07-10
发明(设计)人: 唐友;李卓;王永江;滕小华 申请(专利权)人: 吉林农业科技学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 哈尔滨华夏松花江知识产权代理有限公司 23213 代理人: 岳昕
地址: 132101 吉林省吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 图像 农作物 病虫害 检测 方法 系统 设备
【权利要求书】:

1.一种基于图像的农作物病虫害检测方法,其特征在于,包括以下步骤:

采集检测区域的农作物的图像;

农作物病虫害检测模型由前端识别网络与整体后端识别网络串联构成;所述整体后端识别网络由n个后端识别网络并行构成,n个后端识别网络的网络结构相同;

然后将检测区域的农作物的图像输入农作物病虫害检测模型进行检测,检测区域的农作物的图像首先通过前端识别网络识别出对应农作物的种类,之后按照农作物的种类对应到某个后端识别网络,得到该种农作物对应病虫害的类型。

2.根据权利要求1所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述的后端识别网络的处理过程包括以下步骤:

S1、将病虫害图像变换到R、G、B各自通道下的图像,分别记为R图像、G图像、B图像;同时根据病虫害图像得到灰度图像,记为H图像;

S2、将conv层、RELU层顺序连接记为卷积单元;将卷积单元、BN层、池化层顺序连接记为卷积组合单元;

将R图像、G图像、B图像分别进行如下处理:

经过s个卷积组合单元操作,分别得到R图像、G图像、B图像对应的特征图;

将H图像先经过[卷积单元+卷积单元+BN层+池化层]*(s/2)操作,得到H图像对应的特征图;

在进行上述操作的过程中,要保证R图像、G图像、B图像对应的特征图和H图像对应的特征图大小相等;

S3、将R图像对应的特征图分成m组,分别记为R1至Rm;对G图像对应的特征图进行相同的操作,得到G1至Gm;对B图像对应的特征图进行相同的操作,得到B1至Bm;对H图像对应的特征图进行相同的操作,得到H1至Hm;

将R1、G1、B1、H1的特征融合为一组特征RGBH1,然后进行卷积操作,得到W1;对其他组特征进行同样的操作;直至将Rm、Gm、Bm、Hm特征融合为一组特征,并进行卷积操作得到Wm;

将W1至Wm进行特征融合,得到特征图W,然后进行1*1卷积,得到最终的特征图;

S4、将最终的特征图送入分类器进行分类。

3.根据权利要求2所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述池化层为max-pooling层。

4.根据权利要求2所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述s取值为3至6。

5.根据权利要求4所述的一种基于图像的农作物病虫害检测方法,其特征在于,s=4。

6.根据权利要求1所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述前端识别网络与一个后端识别网络结构相同。

7.根据权利要求1至6之一所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述的其中,ceil()表示向上取整,q为前端识别网络或后端识别网络训练过程中的农作物种类总数,λ为网络规模控制参数。

8.根据权利要求7所述的一种基于图像的农作物病虫害检测方法,其特征在于,所述网络规模控制参数

9.一种基于图像的农作物病虫害检测系统,其特征在于,所述系统用于执行权利要求1至6之一所述的一种基于图像的农作物病虫害检测方法。

10.一种农作物病虫害检测设备,其特征在于,所述设备用于存储或/和运行权利要求9所述的一种基于图像的农作物病虫害检测系统。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林农业科技学院,未经吉林农业科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010183999.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top