The invention provides a fruit tree disease identification and prevention method based on convolution neural network, and relates to the field of computer vision technology. Including: obtain picture data set and build system picture knowledge base; construct the system text knowledge base of fruit tree disease; collect picture collection of fruit tree disease; extract the texture feature of the picture, match the picture data with the system picture knowledge base; output the picture matching result and return to the user solution. The invention provides a method for identification and prevention of fruit tree disease based on the convolution neural network. Through the deep learning method, the system picture knowledge base formed by a large number of fruit tree diseases is used to match and classify the fruit tree disease pictures collected by the users, and the system text database of the fruit tree disease is constructed. The solution to this kind of disease can not only provide convenience for the users to solve the disease prevention, treatment and defense of the fruit tree, but also reduce the work burden for the workers of the Agricultural Institute.
【技术实现步骤摘要】
一种基于卷积神经网络的果树病害识别与防治方法
本专利技术涉及计算机视觉
,具体涉及一种基于卷积神经网络的果树病害识别与防治方法。
技术介绍
目前,基于PDA的果树病虫害诊断识别方法一般都是通过远程PC系统和移动客户端系统共同实现,其中,远程PC系统包括PC数据库、PC索引库、数据采集模块、索引管理模块、规则引擎和传输模块。数据采集模块将采集的原始信息上传给PC数据库;索引管理模块对PC数据库中的数据逐条扫描,并按照规则引擎中的规则生成对应的索引条目,保存到PC索引库中;PC数据库和PC索引库均经过传输模块与移动客户端系统通讯。此类方法只能对文本数据进行操作,并且用户能够直接对服务器的数据库进行导入操作,影响了数据库的安全性,而且其中的移动客户端是通过用户对事物的描述文字向服务器端进行传入信息,具有一定的主观性,影响了识别的正确率,而用户通过客户端的反馈信息,只做了分析并没有和之前原始数据库有联系。
技术实现思路
针对现有技术存在的问题,本专利技术提供一种基于卷积神经网络的果树病害识别与防治方法,通过深度学习的方式,利用大量果树病害的图片制作图片数据集,然后将制作好的图片数据集放入卷积神经网络中进行训练,形成系统知识库,利用系统知识库与用户采集到的果树病害图片进行匹配、分类,并结合构建的果树病害系统文本数据库,返回给用户该类疾病的解决方法。为了实现上述目的,一种基于卷积神经网络的果树病害识别与防治方法,包括以下步骤:步骤1:获取图片数据集,使用Keras作为深度学习框架构建系统图片知识库,具体方法如下:步骤1.1:获取图片数据集;所述图片数据集为各种果树得 ...
【技术保护点】
1.一种基于卷积神经网络的果树病害识别与防治方法,其特征在于,包括以下步骤:步骤1:获取图片数据集,使用Keras作为深度学习框架构建系统图片知识库;步骤2:构建果树病害的系统文本知识库,包括各种果树病害的名称、病因、病害症状、发病规律和防治措施;步骤3:采用拍照的方式对用户选取的果树病害进行图片采集;步骤4:使用方向梯度直方图HOG提取图片的纹理特征,将采集的图片数据与系统图片知识库进行匹配;步骤5:结合构建的果树病害系统文本数据库,输出图片匹配后的结果,返回给用户该类疾病的解决方法,包括果树病害的名称、病因、病害症状、发病规律和防治措施。
【技术特征摘要】
1.一种基于卷积神经网络的果树病害识别与防治方法,其特征在于,包括以下步骤:步骤1:获取图片数据集,使用Keras作为深度学习框架构建系统图片知识库;步骤2:构建果树病害的系统文本知识库,包括各种果树病害的名称、病因、病害症状、发病规律和防治措施;步骤3:采用拍照的方式对用户选取的果树病害进行图片采集;步骤4:使用方向梯度直方图HOG提取图片的纹理特征,将采集的图片数据与系统图片知识库进行匹配;步骤5:结合构建的果树病害系统文本数据库,输出图片匹配后的结果,返回给用户该类疾病的解决方法,包括果树病害的名称、病因、病害症状、发病规律和防治措施。2.根据权利要求1所述的基于卷积神经网络的果树病害识别与防治方法,其特征在于,所述步骤1包括以下步骤:步骤1.1:获取图片数据集;所述图片数据集为各种果树得病后的症状图片;步骤1.2:对获取的图片数据集进行预处理,将预处理后的图片数据集转换成矩阵,使用Keras作为深度学习框架,采用ReLU激活函数,搭建基于图片数据集的卷积神经网络;步骤1.3:将转换成矩阵的图片数据集,放到搭建好的卷积神经网络中,利用方向梯度直方图HOG进行训练,得到系统图片权重文件,即...
【专利技术属性】
技术研发人员:王星,杜伟,唐晓亮,常戬,陈吉,关连正,李汉森,
申请(专利权)人:辽宁工程技术大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。