[发明专利]基于语义分割的融合全局上下文信息的水稻病害检测方法

说明书

本发明提供一种基于语义分割的融合全局上下文信息的水稻病害检测方法，包括：获取水稻病害图像；对获取的水稻病害图像进行人工标注，分割出病斑图像并标记病斑类别；建立水稻病害样本集，并将其划分为训练样本集和测试样本集；构建基于语义分割的融合全局上下文信息的水稻病害检测模型；利用训练样本集和测试样本集分别对构建的水稻病害检测模型进行训练和模型误差分析；利用训练好的水稻病害检测模型直接对获取的实际水稻病害图像进行检测，分割出病斑图像并标记病斑类别。本发明利用全局上下文信息在语义分割中的影响构建了融合全局上下文信息的水稻病害检测模型，从而提高了水稻病害检测的准确率，增强了水稻病害检测算法的鲁棒性。

技术领域

本发明涉及图像识别技术领域，具体是一种基于语义分割的融合全局上下文信息的水稻病害检测方法。

背景技术

如何精准地检测与识别水稻病害一直是困扰农作物预测预报的问题。由于自然场景下水稻病害类型多，发生的部位、程度不同，加大了人工目测的难度。目前水稻病害的检测工作主要是依靠少数植保专家和农技人员来完成的，但同类别水稻病害在不同的生长时期，在叶片、茎秆、穗部等部位呈现的病斑特征也不一样，而且不同类型病害也存在相似病斑，凭借肉眼方式难以保证其准确度。

由于不同水稻病害图像内物体及场景边界较为模糊，若用传统计算机方法去识别图像，则存在设计过程复杂、特征变换层次不够、抽象及表达能力不强等问题，最终生成的特征向量可辨别能力差，识别性能难以大幅提升。如何提高水稻病害检测的准确性已经成为亟需解决的技术问题。

发明内容

本发明要解决的技术问题是提供一种基于语义分割的融合全局上下文信息的水稻病害检测方法，提高水稻病害检测的准确率，增强水稻病害检测算法的鲁棒性。

本发明的技术方案为：

一种基于语义分割的融合全局上下文信息的水稻病害检测方法，包括以下步骤：

(1)获取水稻病害图像；

(2)对获取的水稻病害图像进行人工标注，分割出病斑图像并标记病斑类别；

(3)根据水稻病害图像建立水稻病害样本集，并将其划分为训练样本集和测试样本集；

(4)以水稻病害图像为输入，以分割出的病斑图像及标记的病斑类别为输出，构建基于语义分割的融合全局上下文信息的水稻病害检测模型；

(5)利用训练样本集对构建的水稻病害检测模型进行训练，并利用测试样本集对构建的水稻病害检测模型进行模型误差分析；

(6)利用训练好的水稻病害检测模型直接对获取的实际水稻病害图像进行检测，分割出病斑图像并标记病斑类别。

所述的基于语义分割的融合全局上下文信息的水稻病害检测方法，步骤(1)中，具体利用图像采集设备对水稻病害部位进行拍摄，从拍摄的图像中选取若干包含病斑的图像作为水稻病害图像。

所述的基于语义分割的融合全局上下文信息的水稻病害检测方法，步骤(2)中，具体采用开源图像标注软件LabelMe，通过创建多边形对获取的水稻病害图像中的病斑区域进行人工标注，分割出病斑图像并在病斑图像上标记病斑类别。

所述的基于语义分割的融合全局上下文信息的水稻病害检测方法，步骤(3)具体包括：

(31)根据实际需要对水稻病害图像进行数据扩充，所述数据扩充包括对水稻病害图像进行放大、平移、旋转和对比度增强操作；

(32)利用数据扩充后的水稻病害图像建立水稻病害样本集；

(33)按照9:1的比例将建立的水稻病害样本集划分为训练样本集和测试样本集。