[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

说明书

本发明属于图像识别领域，具体公开了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，所述图像采集器包括USB摄像头，系统识别平台包括数据存储器、程序存储器、嵌入式微处理器、触摸屏、LCD显示屏、USB控制器、USB集线器、USB存储器、USB键盘和电源管理模块。本发明利用嵌入式微处理器，将注意力机制应用于农作物图像样本处理中，增强数据预处理技术，从而提高分类准确度；能够更有效地提取关键信息的特征，抑制干扰区域的信息，适用于细粒度图像分类；能够加深网络深度，提取更多图像特征，提高病虫害诊断正确率，具有很强的实用性。

技术领域

本发明涉及图像检测系统，尤其涉及黄瓜病虫害图像识别系统，具体为一种基于深度学习的嵌入式黄瓜叶片图像识别装置。

背景技术

黄瓜是葫芦科植物，其叶片大，富含多种维生素、矿物质元素和纤维素，果菜兼用，营养价值极高，已经成为了人们日常生活的消费品。然而，黄瓜病虫害的发生严重影响黄瓜的产量和质量，使农户们遭受巨大的经济损失。因此，快速准确地判断黄瓜病虫害并及时对症治疗，极其重要。

在深度学习受到广泛关注之前，研究人员主要采取一些传统的机器学习方法，如支持向量机、决策树等分类模型进行图像分类识别的工作。这些传统机器学习方法的特点是对图像样本的数量要求不高，但是需要通过特征提取来提取到样本特征，并对特征进行筛选、组合，最后输入到分类器，这一系列工作不仅需要操作人员有非常专业的知识，还额外需要人力物力，最后才能实现病虫害种类检测识别的功能。此种处理流程对于特定的识别任务能达到一个比较理想的效果，并且操作简单，计算量小，比较适合应用在一些小型的，处理数据量不大的系统模式识别中。时间转换到现在，人工智能应用技术蓬勃发展，机器学习中的深度学习在模式识别问题的解决上起到的作用尤其突出，深度学习也被运用到数字图像处理过程中，发挥了巨大的优势。其中，最为突出的算法模型是作为深度学习算法中的卷积神经网络模型，由于它在图像识别领域有显著的优势，使得它经常被用于图像识别研究。因此，为了更好地防治黄瓜病虫害，可以基于传统黄瓜病虫害的防治方法，结合现代农业信息技术，从而实现黄瓜病虫害防治的智能化。黄瓜病虫害防治系统以权威、全面、科学的系统知识为推理基础，结合大量黄瓜病虫害病例数据，模拟农业领域专家的诊断逻辑以及采用智能图像识别系统，能够给菜农提供病虫害防治的帮助和指导。

图像识别技术应用的普遍性使得图像装置正向着嵌入式和小型化的方向发展。然而，目前国内外的图像识别技术一般考虑图像识别细节点的局部特征，普遍存在识别率低、识别速度慢等问题，另外图像识别系统不具备嵌入式特点，通用性较差，存在一定的迟缓性和不精确性等特点，影响了图像识别的效果。另外，图像识别装置目前多采用单片机和DSP处理器，这些传统常规的图像识别装置功能结构单一，可靠性、互换性差，维护困难，影响了图像识别的效果。本发明采用嵌入式系统进行黄瓜病虫害图像识别，由于该装置具有嵌入式系统的特点，功能综合、可靠性高、互换性好、抗干扰能力强、维护容易、安装使用方便等特点，该系统具有重要的应用价值，它能更有效地提高黄瓜病虫害图像识别的识别正确率和识别速度，达到较高的图像识别水平。采用嵌入式的黄瓜病虫害图像识别装置进行黄瓜病虫害图像匹配，提高了黄瓜病虫害图像识别算法的识别速度，并且降低了拒识率和误识率，用该黄瓜病虫害图像识别装置实现的黄瓜病虫害图像识别系统和黄瓜病虫害图像识别产品将会有很好的市场前景。

发明内容

本发明的目的在于提供一种基于深度学习的嵌入式黄瓜叶片图像识别装置，以解决上述背景技术中提出的问题。