[发明专利]一种植物病虫害的识别方法、装置、电子设备及存储介质

权利要求书

1.一种植物病虫害的识别方法，其特征在于，所述识别方法包括：

获取目标植物的待检测图像；

将所述待检测图像输入至预先训练好的疾病症状识别模型中，确定所述待检测图像的至少一个目标症状描述标签；

基于所述至少一个目标症状描述标签，通过搜索所述目标植物所属植物种类的疾病知识图谱，确定所述目标植物所患的至少一种疾病；所述疾病包括病害或虫害中的至少一种。

2.根据权利要求1所述的识别方法，其特征在于，通过以下步骤训练所述疾病症状识别模型：

获取第一训练数据集和第二训练数据集；所述第一训练数据集中的样本数量高于所述第二训练数据集中的样本数量，所述第一训练数据集中的样本精度低于所述第二训练数据集中的样本精度；

使用所述第一训练数据集预训练疾病症状识别神经网络，直至所述疾病症状识别神经网络收敛，得到初始疾病症状识别模型；

使用所述第二训练数据集对所述初始疾病症状识别模型中的模型参数进行微调，直至所述初始疾病症状识别模型收敛，得到疾病症状识别模型。

3.根据权利要求2所述的识别方法，其特征在于，所述疾病症状识别神经网络为混合结构的自注意力神经网络，所述混合结构的自注意力神经网络包括自注意力神经网络和深度残差神经网络。

4.根据权利要求3所述的识别方法，其特征在于，使用所述第一训练数据集预训练疾病症状识别神经网络，直至所述疾病症状识别神经网络收敛，得到初始疾病症状识别模型，包括：

将所述第一训练数据集中的每张训练样本图像输入至预先训练好的所述深度残差神经网络中进行图像特征处理，确定每张训练样本图像的特征序列；所述图像特征处理包括以下至少一种处理方式：特征提取处理、维度转换处理、全局平均池化处理、特征解耦处理以及特征拼接处理；

将每张训练样本图像的特征序列作为输入特征，每张训练样本图像的疾病症状标签作为输出特征，训练所述自注意力神经网络，直至所述自注意力神经网络收敛，得到初始疾病症状识别模型；其中，每张训练样本图像均具有多个疾病症状标签。

5.根据权利要求1所述的识别方法，其特征在于，通过以下步骤构建所述目标植物所属植物种类的疾病知识图谱：

将所述目标植物所属植物种类确定为所要构建的疾病知识图谱的类别节点；

确定所述目标植物所属植物种类所患的至少一种疾病，将每种疾病各自确定为类别节点下的一个疾病节点；

针对于每种疾病，将该疾病的每个症状描述各自确定为该疾病对应的疾病节点下的一个症状节点；

将所述类别节点与每个疾病节点相连，将每个疾病节点与各自对应的症状节点相连，构建得到所述目标植物所属植物种类的疾病知识图谱。

6.根据权利要求3所述的识别方法，其特征在于，所述将所述待检测图像输入至预先训练好的疾病症状识别模型中，确定所述待检测图像的至少一个目标症状描述标签，包括：

将所述待检测图像输入至预先训练好的疾病症状识别模型中，通过所述疾病症状识别模型中预先训练好的深度残差神经网络，确定所述待检测图像的待检测特征序列；

通过所述疾病症状识别模型中的自注意力神经网络识别所述待检测图像的待检测特征序列，确定所述待检测图像的每种症状描述标签的概率值；

将概率值大于预设概率的症状描述标签确定为所述待检测图像的目标症状描述标签。