[发明专利]一种基于深度学习的农作物病害分析方法

说明书

本发明公开了一种基于深度学习的农作物病害分析方法，通过采集数据，包括图像数据、天气数据、种植区域自然环境信息，所述图像数据为针对于某一区域的多角度数据，可以解决传统病害学习中平移设计的问题，不受图像中病虫害对农作物位置的影响，然后对所述采集的数据降噪处理操作、增强处理，很好的处理视点平移变化之外的其他效果，将所述图像数据划分为若干个子图像，然后对处理后的数据分别进行训练，得到农作物病害分析模型，使得农作物病害分析结果更加准确。

技术领域

本发明属于检测技术领域，具体涉及一种基于深度学习的农作物病害分析方法。

背景技术

我国经济的重要构成部分就是农业。但是在过去，针对与生物灾害的防治和研究主要局限于单一的病虫害，在发展的过程中，逐渐由单一的防治过渡到多样性防治和综合性防治，并且在防治的规模上也在不断的扩增，将综合防治技术的优势极大的凸显，对我国农作物的增产增收具有重要的现实意义，保障广大农民群众的切身利益，实现农业经济的良性、健康、持续性发展。有害生物种类繁多且形态各异，发生规律各有不同，而且时常爆发。对我国国民经济、特别是农业生产造成重大损失。因此，正确识别植物病虫害，掌握有害生物的习性、特点，对防控有害生物极其重要。一旦发生病虫害，广大从业者往往依靠传统经验进行粗略判断，再利用当地容易获取的农药农资，实施一些事后防治措施。鉴于从业人员存在的以下问题，往往不易获得良好的防治效果。如果仅依靠少数植保科技工作人员或昆虫研究者，通过手工检查、肉眼观察来完成，识别效率较低，识别率又极其不稳定。同时，由于植保科技人员有限，再加上有些区域位置偏远、交通不便，许多病虫害无法及时现场识别，只好根据种植户的描述来识别，而许多种植户专业知识有限，无法提供准确描述，常导致误判。给农业生产的质量和产量都带来较大损害。因此急需提出一种农作物病害分析方法来解决上述问题。

发明内容

本发明公开了一种基于深度学习的农作物病害分析方法，以解决上述问题，准确有效实现了对农作物病虫害分析。

为实现上述目的，本发明提供了如下方案：一种基于深度学习的农作物病害分析方法，包括：

采集数据，包括图像数据、天气数据、种植区域自然环境信息，所述图像数据为针对于某一区域的多角度数据，对所述采集的数据预处理操作、增强处理，将所述图像数据划分为若干个子图像，然后对处理后的数据分别进行训练，得到农作物病害分析模型；最后输出农作物病害类型及等级；

所述子图像通过叶片、果实、叶柄、茎、花进行划分；所述天气数据包括风速、风向、气温、云量、云底高度、地面气压、相对湿度、降水量、降水类型，所述自然环境信息包括空气信息和土壤信息、地理位置信息；

所述农作物病害分析模型通过采集数据的历史信息，对农作物病虫害进行预警分析，还用于对遭受把病虫害信息困扰的发病的农作物进行诊断，并计算病虫害的等级。

优选的，所述农作物病虫害预警分析的方法为：建立农作物生长信息与预设农作物生长数据库之间的对应关系，通过对采集的农作物历史信息与预设农作物生长数据库内信息进行匹配，若匹配程度小于10％，则认定为有发生该病虫害的可能，并给出该病虫害的预防方法。

优选的，在进行病虫害发生可能性预测时，根据季节、地理位置的不同对可能发生的病虫害进行预测，并将预测信息形成报告发送至客户端，提醒管理员做好农作物管理准备工作。

优选的，所述预设农作物生长数据库包括多种农作物生长周期、生长规律，以及各生长阶段所需条件种植数据。

优选的，所述农作物病害分析模型包括控制层、卷积层、中间层、输出层。

优选的，所述中间层至少为一个，所述输入层的输出端与所述中间层的输入端连接，所述中间层的输出端与所述输出层的输入端连接所述中间层包括池化层、全连接层。

优选的，所述预处理过程包括：数据集进行缩放，裁剪到基准尺寸大小。