[发明专利]基于深度学习目标检测算法的蓝莓灰霉病检测方法及系统

说明书

本发明涉及一种基于深度学习目标检测算法的蓝莓灰霉病检测方法及系统。该方法包括：获取蓝莓图片；采用ResNet‑50深度学习网络对蓝莓图像进行初步特征提取，得到多尺度的初步特征图像；利用卷积层和池化层进一步进行特征提取，得到每个尺度的初步特征图像对应的新特征图像；利用候选区域生成网络计算全部候选框；利用RoIAlign层将候选框与新特征图像上的特征进行匹配，得到每个尺度对应的匹配候选框的特征图；将所有尺度对应的匹配候选框的特征图融合，输入图像分类层，输出蓝莓灰霉病检测结果，包括健康的蓝莓花朵、健康的蓝莓果实、感染灰霉病的蓝莓花朵和感染灰霉病的蓝莓果实。本发明可以提高蓝莓灰霉病检测精度。

技术领域

本发明涉及图像处理领域，特别是涉及一种基于深度学习目标检测算法的蓝莓灰霉病检测方法及系统。

背景技术

蓝莓营养价值高，果肉细腻，口感独特，富含蛋白质及多种维生素，还富含多种黄酮类和多糖类化合物。灰霉病是蓝莓上发生最为严重的病害，对产量的影响也是最大的，当蓝莓花和果实染上灰霉病时会呈现水浸状，软化腐烂，有灰黑色霉层。

目前对于蓝莓灰霉病的检测主要靠人工诊断，需要诊断者具备一定的经验和知识，随着人工成本越来越高，诊断成本也越来越高，因此可以考虑图像诊断的方式代替人工诊断来降低成本。但是由于蓝莓花朵果实尺寸较小，分布密集，一般的图像检测算法并不完全适用，导致蓝莓灰霉病的检测结果精度低。

发明内容

本发明的目的是提供一种基于深度学习目标检测算法的蓝莓灰霉病检测方法及系统，以提高蓝莓灰霉病检测的精度。

为实现上述目的，本发明提供了如下方案：

一种基于深度学习目标检测算法的蓝莓灰霉病检测方法，包括：

获取蓝莓图片；所述蓝莓图片中包括蓝莓的花朵和/或果实；

采用ResNet-50深度学习网络对所述蓝莓图像进行初步特征提取，得到多尺度的初步特征图像；

利用卷积层和池化层对所述多尺度的初步特征图像进一步进行特征提取，得到每个尺度的初步特征图像对应的新特征图像；

利用候选区域生成网络计算全部候选框；所述全部候选框包括多个前景候选框和多个背景候选框；

利用RoIAlign层将所述全部候选框与每个尺度对应的新特征图像上的特征进行匹配，得到每个尺度对应的匹配候选框的特征图；

将所有尺度对应的匹配候选框的特征图融合，得到融合特征图；

将所述融合特征图输入图像分类层，输出蓝莓灰霉病检测结果；所述蓝莓灰霉病检测结果中包括每个检测类别的概率和检测框；所述检测类别包括：健康的蓝莓花朵、健康的蓝莓果实、感染灰霉病的蓝莓花朵和感染灰霉病的蓝莓果实。

可选的，所述采用ResNet-50深度学习网络对所述蓝莓图像进行初步特征提取，得到多尺度的初步特征图像，具体包括：

将所述蓝莓图像输入所述ResNet-50深度学习网络；所述ResNet-50深度学习网络包括2个第一残差学习模块、3个第二残差学习模块、5个第三残差学习模块和2个第四残差学习模块；所述第一残差学习模块、所述第二残差学习模块、所述第三残差学习模块和所述第四残差学习模块中的卷积滤波器参数不同；

所述蓝莓图像经过所述2个第一残差学习模块后，生成第一尺度的初步特征图像；

所述第一尺度的初步特征图像经过所述3个第二残差学习模块后，生成第二尺度的初步特征图像；

所述第二尺度的初步特征图像经过所述5个第三残差学习模块后，生成第三尺度的初步特征图像；

所述第三尺度的初步特征图像经过所述2个第四残差学习模块后，生成第四尺度的初步特征图像。