[发明专利]一种基于病斑相关性的植物病害诊断系统

说明书

本发明提供一种基于病斑相关性的植物病害诊断系统，包括以下步骤：S1、通过摄像设备采集图片，并通过网络将图片上传到云端服务器；S2、针对步骤S1得到的图片，对图片进行缩放和归一化预处理，使用CenterNet目标检测算法检测上传图片中存在的病斑区域；S3、根据步骤S2得到的所有病斑区域，将其依次送入聚类特征提取模型得到特征集；S4、根据步骤S3得到的特征集，计算特征集中的每个特征计算与数据库中的所有特征的余弦相似度并对所有区域进行面积加权求和，取加权余弦相似度最大的特征的类别作为诊断结果。本发明属于计算机视觉技术领域，代替传统直接基于的整张图片的识别方式，实现了高精度的植物病虫害识别。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于病斑相关性的植物病害诊断系统。

背景技术

我国的植被众多，农业发达，农业为重要的支柱性产业，长期以来由于病虫害的危害，造成巨大的经济损失，严重影响了地区农业经济的可持续发展。植被和农作物遭受的病虫害是我国的主要自然灾害，对病虫害进行诊断治疗不仅有助提高作物的产量减少经济损失还能提高我国的植被覆盖率。但植物遭受病虫害的种类非常之多，普通人难以仅通过植物表面的病斑虫蛀情况对遭病害的植物做出准确的诊断。

在传统做法中，通常由农作物种植人员或者专家直接通过观察植物表面的病斑虫蛀情况来诊断病害种类，这种方式不但耗时费力且由于病害种类的庞杂，直接诊断非常容易出错，一旦出错就会导致防治措施无效从而产生巨大的经济损失。通过手机摄像头获取患病植物的病斑虫蛀情况的图片并通过计算机算法来处理这些图片可以快速得到准确的诊断结果，这种做法的主要优势在于实时性好、诊断成本较低且准确性高。近些年来，随着人工智能的不断发展，自动检测识别技术开始越来越多地应用到工业生产、社会安防和农业监测等各个方面。由于不同植物可能患上同一种病虫害，故不同植物间的病虫害的种类是存在相关性的，但以往的病虫害识别算法都是通过直接识别整张图片的方式来直接诊断病虫害的种类，并没有利用这种相关性来提高算法对病虫害种类识别的精度，所以遇见从未见过的遭受病虫害的植物需要重新训练模型，这会大大提高模型的训练成本且泛化性较差。

发明内容

本发明的主要目的在于提供了一种基于病斑相关性的植物病害诊断系统，可以有效解决背景技术中提出的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于病斑相关性的植物病害诊断系统，包括以下步骤：

S1、通过摄像设备采集图片，并通过网络将图片上传到云端服务器；

S2、针对步骤S1得到的图片，对图片进行缩放和归一化预处理，使用CenterNet目标检测算法检测上传图片中存在的病斑区域；

S3、根据步骤S2得到的所有病斑区域，将其依次送入聚类特征提取模型得到特征集；

S4、根据步骤S3得到的特征集，计算特征集中的每个特征计算与数据库中的所有特征的余弦相似度并对所有区域进行面积加权求和，取加权余弦相似度最大的特征的类别作为诊断结果；

S5、根据步骤S4得到的余弦相似度，判断该余弦相似度是否小于数据库中该类别余弦相似度的平均值，如果小于则将该图片区域送入专家库并标记为待确认的状态；

S6、根据步骤S5中得到的专家库，按照一定周期进行检查，待所有图片区域从待确认状态变为确认状态后，将库中所有数据用于新一轮的网络训练。

优选的，所述步骤S1中的照片中病斑所占像素不少于400(20*20)，拍摄方向与植物病斑所在平面的夹角为90度。

优选的，所述步骤S2中的病斑区域是由CenterNet算法训练得到；通过人工标注大量植物图片中的病斑位置，基于这些标注数据来生成热力图进而训练得到最终的检测模型，进而检测到病斑的准确位置。