[发明专利]基于植株识别模型的黄龙病防治方法、装置和计算机设备

说明书

本申请揭示了一种基于植株识别模型的黄龙病防治方法、装置、计算机设备和存储介质，包括：得到多个第一传感信号序列；划分为训练样本和验证样本；得到中间植株识别模型；验证；若验证结果通过，则将中间植株识别模型作为最终植株识别模型；对预设的多个健康柑橘植株进行实时传感信号检测处理，并引入带有黄龙病病原菌的柑橘木虱，得到多个第二传感信号序列；得到多个第一病变预测程度；选出最易带病植株，并选出牺牲柑橘植株；采用缓冲布设的方式种植柑橘植株；得到第三传感信号序列；得到第二病变预测程度；若第二病变预测程度大于0，则对指定范围内的柑橘植株进行治疗处理，从而实现对黄龙病的有效防治的目的。

技术领域

本申请涉及到计算机领域，特别是涉及到一种基于植株识别模型的黄龙病防治方法、装置、计算机设备和存储介质。

背景技术

近年来柑橘生产的经济损失主要是由黄龙病造成，黄龙病对柑橘具有毁灭性的危害，不但具有较长的潜伏期，同时也缺少商业抗病柑橘品种。对于柑橘黄龙病，只能从源头上严格预防，而现有的黄龙病治疗方法难以有效防治黄龙病。

发明内容

本申请提出一种基于植株识别模型的黄龙病防治方法，包括以下步骤：

S1、对预先收集的多个柑橘植株样本分别进行传感信号检测处理，从而对应得到多个第一传感信号序列；其中所述多个柑橘植株样本包括带黄龙病植株和未带黄龙病植株，每个带黄龙病植株的病变程度均已知，并且所述多个第一传感信号序列中的每一个序列均标记了对应的柑橘植株样本的病变程度，其中未带黄龙病植株对应的病变程度记为0；其中所述多个第一传感信号序列中的每一个序列均至少包括在时间上连续的多个图像传感信号；

S2、将所述多个第一传感信号序列按预设比例划分为训练样本和验证样本；

S3、调取预设的初始植株识别模型，并将所述训练样本输入所述初始植株识别模型中进行训练，从而得到中间植株识别模型；其中，所述初始植株识别模型由一个卷积神经网络子模型和一个长短期记忆子模型连接而构成，所述卷积神经网络子模型包括依次连接的输入层、隐含层和输出层，所述长短期记忆子模型包括依次连接的第一长短期记忆网络和第二长短期记忆网络，所述隐含层还连接所述第一长短期记忆网络，并且所述隐含层的输出同时传递给所述输出层和所述第一长短期记忆网络；

S4、利用所述验证样本对所述中间植株识别模型进行验证，并判断验证结果是否通过；其中，验证结果通过的标准为所述卷积神经网络子模型的输出层的输出结果、所述第二长短期记忆网络的输出结果均与验证样本对应标记的病变程度相同；

S5、若验证结果通过，则将所述中间植株识别模型作为最终植株识别模型；

S6、对预设的多个健康柑橘植株进行实时传感信号检测处理，并且在实时传感信号检测处理的过程中，引入带有黄龙病病原菌的柑橘木虱，从而得到所述多个健康柑橘植株在病变过程中的多个第二传感信号序列；其中所述多个第二传感信号序列中的每一个序列均至少包括在时间上连续的多个图像传感信号；

S7、将所述最终植株识别模型调为第一单通道模式，并将所述多个第二传感信号序列分别输入所述最终植株识别模型，以得到所述最终植株识别模型对应输出的多个第一病变预测程度；其中，所述最终植株识别模型的第一单通道模式指，输入数据经过所述最终植株识别模型中的卷积神经网络子模型中的输入层、隐含层、所述长短期记忆子模型的第一长短期记忆网络和第二长短期记忆网络，但不经过所述卷积神经网络子模型的输出层；

S8、根据所述多个第一病变预测程度，选出最易带病植株，并从预先准备的多个备用柑橘植株中选出牺牲柑橘植株，其中所述牺牲柑橘植株与所述最易带病植株的相似度值大于预设的相似度阈值；

S9、在预设的柑橘林中，采用缓冲布设的方式种植柑橘植株，其中所述缓冲布设指，柑橘林划分为多个正常区域和多个缓冲区域，所述缓冲区域种植所述牺牲柑橘植株，所述正常区域种植除所述牺牲柑橘植株之外的柑橘植株，所述多个缓冲区域之间互不相连；