[发明专利]一种小麦赤霉病的抗性鉴定方法及装置

说明书

本发明涉及一种小麦赤霉病的抗性鉴定方法及装置，该方法包括：获取小麦的RGB图像数据；将所述RGB图像数据输入至训练完备的轻量化网络模型中，输出对应的病害信息；根据所述病害信息，确定小麦感染赤霉病害的严重度信息，以进行抗性鉴定。本发明采用深度学习算法，从图像中快速、准确地解析出单个麦穗的感病严重度，通过计算某小麦品种多个穗子的平均严重度，可用于该小麦品种对赤霉病的抗性综合评价，上述算法可集成于手机应用中，以便提高小麦赤霉病抗性田间鉴定的工作效率和准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种小麦赤霉病的抗性鉴定方法及装置。

背景技术

小麦赤霉病又称为小麦癌症，是一种严重的小麦病害，它不仅会导致小麦大幅减产，还会产生毒素，世界各地的小麦产量和质量均受其影响。解决该病害的根本且有效的方法是培育抗病品种进行推广种植，在抗病品种育种研究中小麦赤霉病抗性鉴定是关键的一环，而当前小麦赤霉病抗性鉴定方法有着诸多不足之处，如何有效提升这一环节的效率和准确度是一个世界范围内备受关注的问题。随着计算机图像处理技术的快速发展，图像处理的应用场景日益丰富，在智慧农业的场景下，如何快速、准确地对植物抗病程度进行判断是传统农业技术急需解决的重要问题，也是计算机图像处理技术应用到实际的关键。

发明内容

有鉴于此，有必要提供一种小麦赤霉病的抗性鉴定方法及装置，用以克服现有技术中对小麦赤霉病的抗病程度分析困难的问题。

本发明提供一种小麦赤霉病的抗性鉴定方法，包括：

获取小麦的RGB图像数据；

将所述RGB图像数据输入至训练完备的轻量化网络模型中，输出对应的病害信息；

根据所述病害信息，确定小麦感染赤霉病害的严重度信息，以进行抗性鉴定。

进一步地，所述轻量化网络模型的训练过程，包括：

获取包含标注信息的多种RGB样本图像，形成样本图片数据集，其中，所述标注信息为对应的实际病害程度等级；

将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级，其中，所述预测病害程度等级包括预测病害程度和预测抗病性等级；

根据所述预测病害程度等级和所述实际病害程度等级，对所述轻量化网络模型进行训练至收敛，确定训练完备的轻量化网络模型。

进一步地，所述RGB样本图像包括摄影设备拍摄的高质量图像、手持设备拍摄的手持设备图像以及主流植物图像的公共数据图像。

进一步地，所述将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级之前，还包括：

对所述高质量图像、所述手持设备图像、所述公共数据图像进行预处理，实现自动化图像增强。

进一步地，所述将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级，包括：

基于所述样本图片数据集中的所述高质量图像、所述手持设备图像和所述公共数据图像，采用所述预设大型网络进行预训练，确定预训练网络；

利用所述样本图片数据集中的所述高质量图像和所述手持设备图像，对所述预训练网络进行进一步训练，确定高准确率模型，输出所述预测病害程度等级。

进一步地，所述根据所述预测病害程度等级和所述实际病害程度等级，对所述轻量化网络模型进行训练至收敛，确定所述轻量化网络模型，包括：

采用知识蒸馏方式，根据所述预测病害程度等级和所述实际病害程度等级，将所述高准确率模型的网络性能转移至所述轻量化网络；

根据所述手持设备图像，对所述轻量化网络进行微调，并进行模型剪枝，确定所述训练完备的轻量化网络模型。