[发明专利]一种基于图像特征提取的树木病虫害图片分类方法

说明书

本发明公开了一种基于图像特征提取的树木病虫害图片分类方法，包括：对树木病虫害图像数据进行采集和存储；对树木病虫害图像数据的病虫害类别进行人工标注；将采集的多张树木病虫害图像的灰度向量及其类别标注值构成原始的全量数据集；M个机器学习算法并行地为原始的全量数据集的每张图像提取M个新的数值特征；在原始的全量数据集上使用多层感知机神经网络算法训练最终的病虫害类别分类模型；对树木病虫害图像的病虫害类别进行预测；使用集合分类模型对树木病虫害图像提取多个新的特征，通过放回随机抽样确保不同的新特征之间是相互独立的，可提高树木病虫害图像识别的准确率。

技术领域

本发明属于图片识别处理领域，具体涉及一种基于图像特征提取的树木病虫害图片分类方法。

背景技术

树木病虫害的识别是对树木进行保护和利用的基础，传统的病虫害识别方式通常是农业专家及技术人员借助光学显微镜目视的方式进行观测识别，这种传统方法存在效率较低、极度依赖观测人员的经验、成本较高等缺点。随着机器学习等相关技术的发展，在人工标注的图像样本的基础之上训练机器学习分类模型来对树木病虫害图像进行分类具有可行性。

主流的机器学习图像分类模型能否取得较好识别效果的关键在于图像特征的提取，关于图像特征提取，业界主流的方法是对图像中物体的边缘轮廓等特征进行提取；但这种方法分类结果的独立性不好，影响树木病虫害图像识别地准确率。

发明内容

针对现有技术的以上缺陷或改进需求，本发明要解决的是方法是对图像中物体的边缘轮廓等特征进行提取；但这种方法分类结果的独立性不好，影响树木病虫害图像识别地准确率的问题。

为了实现上述目的，本发明涉及一种基于图像特征提取的树木病虫害图片分类方法，包括如下步骤：

步骤1：对树木病虫害图像数据进行采集和存储；

步骤2：对步骤1中的树木病虫害图像数据的病虫害类别进行人工标注；

步骤3：将步骤1采集的多张树木病虫害图像的灰度向量及其类别标注值构成原始的全量数据集；

步骤4：选取M个不同的机器学习算法,对其中的每个机器学习算法都依次执行4个步骤:通过放回抽样构造新的训练集、寻找最优参数、训练图像分类模型、使用图像分类模型为原始的全量数据集的每张图像提取1个新的数值特征；M个机器学习算法并行地执行上述流程为原始的全量数据集的每张图像提取了M个新的数值特征；

步骤5：以图像的灰度值向量以及M个新的数值特征作为输入，以病虫害类别标注值作为输出，在原始的全量数据集上使用多层感知机神经网络算法训练最终的病虫害类别分类模型；

步骤6：对树木病虫害图像的病虫害类别进行预测。

进一步的，所述步骤1的具体方法为：从自然界中通过图像传感器采集总共N张各种类型的树木病虫害图像，将这N张图像分别记为χ₁,χ₂,…,χ_N，所有图像的像素都是H×W，每张图像都有3个通道，按照红绿蓝的顺序进行存储，每个通道都对应着一个H行W列的灰度矩阵。