[发明专利]一种基于计算机视觉的作物叶片蚜虫检测方法

说明书

本发明为一种基于计算机视觉的作物叶片蚜虫检测方法，包括以下步骤：收集固定时期的作物叶片图像，包括含有蚜虫的作物叶片图像；标注收集到的作物叶片图像，训练并获取U‑net图像分割模型；采用该模型获取图像中以作物叶片作为目标的图像区域，然后切割作物叶片图像获取蚜虫识别模型的数据集；训练并获得作物蚜虫识别模型；将待检测作物叶片进行预处理后输入到作物叶片分割模型中，经过切割后再输入到蚜虫识别模型中，最终判断并标记出蚜虫在叶片中的位置，并根据所得结果判断作物蚜虫数量。本发明在模型训练数据量较少的情况下，且有图像背景影响情况下提高了蚜虫识别的准确率，并做略计算蚜虫数量，可为后期蚜虫危害评估提供数据分析方案。

技术领域

本发明涉及作物病害识别技术领域，具体为一种基于计算机视觉的作物叶片蚜虫检测方法。

背景技术

蚜虫是作物苗期的主要害虫，其繁殖速度快、危害大，适应性广，严重的危害和制约着作物产量和品质。因此，有效识别作物叶片蚜虫虫害对提高作物产量和品质有着重要的意义。

传统对于蚜虫的识别主要依靠农学专业人士进行鉴别。由于普通农户没有专业的知识，无法很好的鉴别蚜虫虫害，聘请专业人士又会耗费大量的人力物力。随着人工智能的广泛发展，在图像识别和检测上的准确率也逐渐接近人眼水平，越来越多的研究希望能够利用计算机视觉代替人工。近年，针对蚜虫的识别方法大多为收集含有蚜虫的图像和预处理，建立蚜虫识别模型。但该方法存在以下缺陷：数据量较少，无法达到深度学习广泛适应的要求；受到图像背景的影响，模型识别准确率低。

发明内容

为克服现有技术中存在的上述问题，本发明提供了一种基于计算机视觉的作物叶片蚜虫检测方法，通过先将叶片部分提取出来，减少图像背景影响进而提高模型的准确率，同时对叶片进行切割可以增加识别图像中的训练样本，进一步提高模型识别的准确率。

本发明是通过如下技术方案实现的：

一种基于计算机视觉的作物叶片蚜虫检测方法，包括如下步骤：

a.获取作物叶片图像，包括若干的含有蚜虫的作物叶片照片和正常作物叶片照片；

b. 获得作物叶片分割模型，包括对收集到的作物叶片图像进行标注，生成以作物叶片为目标区域的训练集图像，然后训练并获取U-net图像分割模型；

c.作物叶片的数据集准备和预处理，包括用训练后的U-net图像分割模型对步骤a中的作物叶片图像进行分割，得到作物叶片，然后以32×32像素大小切割作物叶片，得到叶片块集合；

d．获得作物蚜虫识别模型，包括将切割后的作物叶片即叶片块集合中含有蚜虫的作为正样本，不含蚜虫的作为负样本，然后构造作物蚜虫识别网络并进行模型优化；

e．将待检测叶片图像进行预处理后输入到作物叶片分割模型中，经过切割后再输入到蚜虫识别模型中，最终判断并标记出蚜虫在叶片中的位置。

优选的，步骤e中，根据切割后的作物叶片中含有蚜虫部分的数量n及总数量N得到待检测叶片图像中蚜虫的数量估计。

优选的，所述获取作物叶片分割模型的步骤包括：

S1：使用标注工具勾画收集到的作物叶片图像中的作物叶片部分，得到若干幅作物叶片掩码的语义分割训练样本；

S2：将S1中以作物叶片为目标图像的数据作为数据集，其中数据集的75%作为训练数据，25%作为测试数据，然后将图像变换为500×500像素的像素大小；

S3：数据增强：为了提高模型的鲁棒性以及准确率，将数据集中原图像经过上下翻转，左右翻转，图像裁剪，图像旋转，图像模糊，灰度变化操作将数据增加若干倍；

S4：构造图像语义分割U-net网络模型；

S5：将S3的数据集输入到S4构造的U-net分割模型中，训练并优化网络，得到最终作物叶片分割模型。