[发明专利]微型真菌类作物病害检测方法

权利要求书

1.一种微型真菌类作物病害检测方法，其特征在于：包括以下步骤：

S1.收集受病害侵蚀的真菌类作物的图像；

S2.进行数据筛选和标注类别；

S3.利用深度学习框架进行模型训练；

S4.导出模型为通用的格式；

S5.根据数据计算出量化的参数，然后对模型进行量化；

S6.将模型代码编译为ARM可识别的格式，并部署到硬件上；

S7.通过摄像头采集数据后调用模型进行推理，得到结果进行显示；

量化公式为：其中Z为实数0的量化结果通常称为零点，r为待量化任意实数,其中r_max为待量化的值中的最大值,r_min为待量化实数的最小值,k为量化后的位数；

深度学习采用MobileNet v1的结构，通过深度可分离卷积对传统卷积进行替换并进行定点量化，深度可分离卷积的参数量为：Dk*Dk*1*m*Df*Df+1*1*m*n*Df*D，Dk是卷积核尺寸，m是卷积核通道数，n是卷积核个数，Df是特征图尺寸。

2.根据权利要求1所述微型真菌类作物病害检测方法，其特征在于：编译过程包括代码校验，确保生成正确的c++代码；通过avr-gcc编译器将上一步生成的可读代码编译成机器能识别的目标文件；通过链接器将目标文件与标准库文件共同链接，生成Hex文件，将该Hex文件上传至开发板的可编程内存中存储执行。

3.根据权利要求1所述微型真菌类作物病害检测方法，其特征在于：深度学习是在ARM架构微控制器芯片上运行，ARM架构微控制器为ARM Cortex M0/M4/M7系列。

4.根据权利要求1至3任一项所述微型真菌类作物病害检测方法，其特征在于：图像采用摄像头，清晰度为QVGA的单通道成像。