[发明专利]基于卷积神经网络对农作物病虫害主动定位聚焦的方法

说明书

本发明涉及一种基于卷积神经网络对农作物病虫害主动定位聚焦的方法，属于农作物病虫害部位定位聚焦技术领域，本发明的目的就是结合最新的卷积神经网络技术，通过对大量的病虫害部位图像的研究得到病虫害部位特征参数，形成一个病虫害部位特征算法，只需要把图像参数代入到该算法，就可以判断出病虫害部位，从而在拍照过程中对病虫害部位进行自动定位聚焦，标记出病虫害部位，弱化背景干扰，提高病虫害识别准确率和效率。采用卷积神经网络技术，识别聚焦响应速度快；通过对图像每一个像素的识别分类，可同时识别出一张图像上的多个病虫害部位，识别更全面；每次手动选择调整定位可帮助自动定位聚焦自我学习，更新特征参数，使定位聚焦越来越准确。

技术领域

本发明涉及一种基于卷积神经网络对农作物病虫害主动定位聚焦的方法，其属于农作物病虫害部位定位聚焦技术领域。

背景技术

目前在病虫害识别领域已有相当多的识别技术存在，而他们所采用的图像识别方法有对象对对象的图片对比识别方式、SVM统计向量机的方法和卷积神经网络技术，前两个的图像识别技术相对落后，而使用卷积神经网络技术的图像识别也是基于整张图像来进行的识别，在相对完美的识别环境下可以对病虫害进行准确的识别，当投放到实际的农业种植环境中时往往会因为复杂多变的田间自然环境的干扰而降低识别率，而为了保证识别率在图像上传后对复杂的图像背景进行处理在识别，则会加重服务器端处理压力，使得图像识别对硬件终端的配置要求提高，并且识别响应时间也会大大加长降低识别效率。

发明内容

本发明针对上述现有技术中存在的不足，提供一种基于卷积神经网络对农作物病虫害主动定位聚焦的方法。

本发明解决上述技术问题的技术方案如下：

一种基于卷积神经网络对农作物病虫害主动定位聚焦的方法，包括以下步骤，

步骤一、首先对用户拍照时的图像进行预处理，利用卷积神经网络技术对图像画面进行分析处理，把图像进行分割，对每一个像素进行特征提取；

步骤二、然后根据图像的灰度变化，通过灰度差分统计特征中的对比度；

设(x,y)为图像中的一点，该点与和他只有微小距离的点(x+△x,y+△y)的灰度差分值为，

g△(x,y)＝g(x,y)-g(x+△x,y+△y)

式中g△为灰度差分，△x为临近点X坐标点，△y为临近点Y坐标点；

设灰度差分的所有可能取值共有m级，令点(x,y)在整幅图像上移动，累计出g△(x,y)去各个数值的次数，由此便可以做出g△(x,y)的直方图；

由直方图可以知道g△(x,y)取值的概率p△(i)，i在1～m之间取值，当较小的i值的概率p△(i)较大时，说明纹理粗糙，当p△(i)各个取值比较接近时，既概率分步较平坦时，说明纹理较细。

对比度计算公式，

con＝∑i∧2p△(i)

角度方向计算公式，

ASM＝CON＝∑i[p△(i)]∧2

熵，

ENT＝-∑ip△(i)lgp△(i)

平均值，

MEAN＝1/m∑ip△(i)

步骤三、再对原彩色颜色进行特征提取，分别提取彩色图像蓝色通道下的一阶矩阵、二阶矩阵和三阶矩阵三个颜色特征；

步骤四、再对纹理特征进行特征提取，设置多个纹理参数，提取特征向量；

步骤五、再通过形状特征提取，构造圆度、矩形度、离心率、球状比、紧密度、广度、内切圆半径参数作为形状识别特征向量；