[发明专利]番茄灰霉病程度识别方法及装置

权利要求书

1.一种番茄灰霉病程度识别方法，其特征在于，包括：

获取番茄叶片待检测区域多个特征波段的光谱数据；

将所述多个特征波段的光谱数据输入预设的极限学习机ELM模型，输出番茄灰霉病程度的检测结果；

其中，所述ELM模型，根据多个已知番茄灰霉病程度的样本，以灰霉病程度作为标签，以所述多个特征波的光谱数据段作为输入训练后得到。

2.根据权利要求1所述的番茄灰霉病程度识别方法，其特征在于，所述获取番茄叶片待检测区域多个特征波段的光谱数据之前，包括：

获取番茄叶片样本的预设波段范围的光谱数据；

对所述预设波段范围的光谱数据进行预处理后，基于竞争性自适应重加权CARS算法进行特征波段提取，得到所述多个特征波段。

3.根据权利要求2所述的番茄灰霉病程度识别方法，其特征在于，所述对所述预设波段范围的光谱数据进行预处理，包括：

根据小波变换滤波，对所述光谱数据进行预处理。

4.根据权利要求2所述的番茄灰霉病程度识别方法，其特征在于，基于CARS算法进行特征波段提取，包括：

基于CARS进行多次特征波段提取，每次提取过程中，以交叉验证均方根误差最小确定变量个数；

将多次提取的特征波段进行合并去除重复项，得到所述多个特征波段。

5.根据权利要求1所述的番茄灰霉病程度识别方法，其特征在于，将所述多个特征波段的光谱数据输入预设的ELM模型之前，还包括：

将ELM模型的输入权值和隐含层阈值编码成教与学算法的个体，初始化班级；

根据EML算法识别率达到最大或稳定确定对应目标函数进行寻优，并将最优个体对应的权值和阈值作为所述ELM模型的权值和阈值。

6.根据权利要求1-5任一项所述的番茄灰霉病程度识别方法，其特征在于，所述特征波段包括694nm、696nm、765nm、767nm、769nm、772nm、778nm、838nm和840nm波段。

7.根据权利要求2-4任一项所述的番茄灰霉病程度识别方法，其特征在于，所述预设波段范围包括681nm～840nm波段。

8.一种番茄灰霉病程度识别装置，其特征在于，包括：

获取模块，用于获取番茄叶片待检测区域多个特征波段的光谱数据；

处理模块，用于将所述多个特征波段的光谱数据输入预设的极限学习机ELM模型，输出番茄灰霉病程度的检测结果；

其中，所述ELM模型，根据多个已知番茄灰霉病程度的样本，以灰霉病程度作为标签，以所述多个特征波段作为输入训练后得到。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述番茄灰霉病程度识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述番茄灰霉病程度识别方法的步骤。