[发明专利]一种基于深度学习的嵌入式黄瓜叶片图像识别装置

权利要求书

1.一种基于深度学习的嵌入式黄瓜叶片图像识别装置，包括图像采集器和系统识别平台，其特征在于，所述图像采集器包括USB摄像头(1)，系统识别平台包括数据存储器(3)、程序存储器(4)、嵌入式微处理器(5)、触摸屏(6)、LCD显示屏(7)、USB控制器(8)、USB集线器(9)、USB存储器(10)、USB键盘(11)和电源管理模块(2)；所述嵌入式微处理器(5)用于统一协调处理各器件之间的相互关系，进行信息交换，同时处理黄瓜病虫害图像识别信息，进行黄瓜病虫害图像识别过程中特征信息的提取与信息识别；所述触摸屏(6)和USB键盘(11)作为系统识别平台的人工操作界面，用于提供触屏操作和按键操作两种选择；所述USB集线器(9)用于扩展USB设备，所述电源管理模块(2)用于设备供电控制，降低设备能耗。

2.根据权利要求1所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置，其特征在于：所述USB摄像头(1)和USB集线器(9)的输出端经USB控制器(8)的接口与嵌入式微处理器(5)的输入端连接，将采集到的黄瓜病虫害图像信息传送到嵌入式微处理器，进行图像处理。

3.根据权利要求1所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置，其特征在于：所述嵌入式微处理器(5)的输出端分别与数据存储器(3)、LCD显示屏(7)连接，将接收处理的数据转入数据存储器(3)内存储，并将黄瓜病虫害图像识别过程中的各种处理结果在LCD显示屏(7)上显示。

4.根据权利要求1所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置，其特征在于：所述程序存储器(4)用于存储黄瓜病虫害图像识别过程中的基本程序，供嵌入式微处理器(5)调用。

5.根据权利要求1所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置，其特征在于：所述嵌入式微处理器(5)采用注意力机制改进残差网络方法进行黄瓜病虫害图像识别。

6.根据权利要求5所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置，其特征在于：所述注意力机制改进残差网络方法具体为：经过一个全局均值池化和一个全局最大值池化，将均值池化和最大值池化通过拼接后经过一个5×5大小，步长为3的卷积核，提取到图像的空间信息之后进行Sigmoid输出，并将输出数据进行Scale处理；其中Scale表示通过乘法加权到先前的特征通道上，完成在空间维度上的特征重标定。

7.根据权利要求1-6任一所述的一种基于深度学习的嵌入式黄瓜叶片图像识别装置的识别方法，其特征在于：包括如下具体步骤：

S1：通过农户、农业专家等专业人员在不同的地区大量采集不同产区的、不同品种的以及各个生长阶段的海量黄瓜病虫害叶片图片；

S2：首先将所收集好的黄瓜叶病虫害的图片提供给专门研究黄瓜叶病虫害的农艺师进行审核并打标签，之后筛选剔除掉不合格的黄瓜叶病虫害图片，将合格的黄瓜叶病虫害图片按照黄瓜叶片病虫害的种类以及各个生长阶段进行分类存放作为训练样本库；

S3：在对样本库进行标准化处理完成之后，采用注意力机制改进残差网络进行模型训练；

S4：通过手机拍摄或者从手机相册中选取黄瓜叶片病虫害图片，从而获取待测病虫害的图像信息；利用嵌入式微处理器(5)分析，判断出所述图像信息是否为黄瓜叶片图像信息，如果是，则使用建立好的病虫害识别模型识别出病虫害种类；

S5：将步骤S4中的用于进行识别的黄瓜叶病虫害图片加入所述训练样本库，具体的：用户在使用过程中产生的识别记录及图片，经过专家审核后自动添入训练样本库，通过判断新模型的识别率是否高于旧模型，如果高于旧模型则使用新模型，如果低于旧模型则继续使用旧模型，以此不断的自我学习优化，提高黄瓜病虫害的识别率。