[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

说明书

本申请提供了一种植物病虫害的识别方法、装置、电子设备及存储介质，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，确定待检测图像的至少一个目标症状描述标签；基于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。这样，本申请通过预先训练好的疾病症状识别模型进行多标签识别，确定目标植物的待检测图像的至少一个目标症状描述标签，并通过至少一个症状描述标签和疾病知识图谱可以对目标植物所患的多种病害和/或虫害同时进行识别，从而可以提高植物病虫害识别结果的准确性。

技术领域

本申请涉及图像处理技术领域，尤其是涉及一种植物病虫害的识别方法、装置、电子设备及存储介质。

背景技术

植物病虫害是指植物生长期间感染的病害和虫害，是危害商业农产品的主要原因之一，植物病虫害的有效识别对农业植物病虫害预测、粮食安全和农业经济的稳定起着至关重要的作用。

但是，植物病虫害症状具有高度的复杂性，同一种病虫害的症状，在发病的各个时期，可能具有不同程度的差异性，有些病虫害甚至在同种作物的同一时期具有不同的特征。例如柑橘黄龙病，就同时具有“叶片均匀黄化”和“叶片斑驳黄化”两种截然不同的特征。另外，同一个植株也可能混杂多个病虫害，例如某个植物可能同时患有溃疡病、缺素症或者附生潜叶蛾疾病，那么这些症状在叶片上的表现就是多个症状的叠加。

而现有的植物病虫害识别的技术方案大多采用图像多分类的方式进行病虫害图像识别，每个病虫害症状图像对应1个症状标签，但是这种识别方法会存在以下问题：1)同一标签的病害具有两种截然不同的症状图像，这会导致训练数据的混淆，数据集的聚合度下降；2)多个病症叠加时，只输出可能性最高的标签，不能正确反应图像种所蕴含的所有症状信息，不能正确的识别出植物所患的多种疾病。因此如何对植物所患病虫害进行有效识别以及提高识别结果的准确度是亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的在于提供一种植物病虫害的识别方法、装置、电子设备及存储介质，通过预先训练好的疾病症状识别模型进行多标签识别，确定目标植物的待检测图像的至少一个目标症状描述标签，并通过确定出的至少一个目标症状描述标签和疾病知识图谱，对目标植物所患的多种病害和/或虫害同时进行识别，从而提高植物病虫害识别结果的准确性。

本申请实施例提供了一种植物病虫害的识别方法，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。

可选的，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。

可选的，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。

可选的，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：