[发明专利]一种基于光谱成像和深度学习的棉蚜虫害监测方法及系统

说明书

本发明公开一种基于光谱成像和深度学习的棉蚜虫害监测方法及系统，涉及虫害病情监测技术领域，利用高光谱成像系统，获得棉叶的高光谱图像，以单片棉叶作为感兴趣区，提取得到单叶的高光谱图像，最终计算平均光谱和一阶导数光谱，充分利用光谱信息和深度学习技术，使用可视化技术发现各波段重要性，选择重要波段进行监测预警；使用三维卷积神经网络对单叶的高光谱图像进行学习，选择可见光和近红外波段范围内的高光谱图像，使用可视化技术生成显著性图，可以发现受棉蚜胁迫的棉叶损伤部位。本发明能够快速监测棉株是否受棉蚜虫害胁迫。

技术领域

本发明涉及虫害病情监测技术领域，特别是涉及一种基于光谱成像和深度学习的棉蚜虫害监测方法及系统。

背景技术

棉花富含纤维素，是天然纺织品的最大来源，在全球经济具有重要地位。然而，棉花在六个月的生长期内很容易受到害虫的危害，棉蚜是棉花中最具入侵性的害虫之一。棉蚜虫害不加以控制，很有可能在短期内迅速扩散，使得棉花的产量大大降低。

目前，防治棉蚜的方式主要以被动防治为主，过度依赖农药以控制棉蚜虫害，使得后期的棉蚜表现出抗性。这种方式使得后期防治效果越来越差，此外，加大农药使用量对环境也会造成一定破坏。

随着数字图像的精度提高，计算机视觉领域的快速发展，基于图像的虫害病情监测已经得到广泛应用，目前已经存在大量的基于图像的虫害监测技术和软件，然而这些技术和软件专注于识别容易分辨的中大型害虫，对于棉蚜等小型害虫识别效果基本不佳。其次，棉蚜等小型害虫的监测效果与图像质量息息相关，使得棉蚜虫害监测工作的效果对拍摄设备的分辨率过度依赖，不能准确的监测棉蚜虫害。

光谱成像技术是基于多波段的影像数据技术，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，可以针对研究对象进行快速无损的分析。深度学习是机器学习的一个领域，旨在学习样本数据的内在规律和表示层次，它的最终目标是发现并学习数据内部的规律。

目前已经存在利用光谱成像和深度学习技术对虫害进行监测。在光谱成像技术方面，只是将棉花冠层的平均光谱进行处理和计算，并预测高光谱图像的每一个像素点光谱的等级，根据每一个像素点光谱的等级对棉蚜虫害进行监测，存在“以点概面”的误差。在深度学习技术方面，主要基于卷积神经网络识别RGB图像中棉蚜，需要近距离拍摄棉蚜，且对拍摄设备具有高像素成像要求，很难应用到大规模监测中。