The present disclosure relates to a potato disease detection method based on image recognition, which includes the following steps: step 1, the client obtains pictures of potato leaves, roots and tubers to be identified, and uploads them to the server; step 2, the server preprocesses the pictures, and then sends the preprocessed pictures to the deep learning model; step 3, the deep learning model preprocesses the pictures; After extracting high-dimensional features, the image can identify and demarcate the types and locations of the potato lesions contained in the image. Step 4, the position and category of the identified lesions are superimposed on the image as markers to form a test result picture for downloading and displaying by the client.
【技术实现步骤摘要】
基于图像识别的马铃薯病害检测方法和系统
本专利技术属于计算机视觉、模式识别领域,尤其涉及基于深度学习的感兴趣目标检测与定位技术,更具体地,涉及基于图像识别的马铃薯病害检测方法和系统。
技术介绍
随着计算机视觉的出现以及深度学习网络的准确度和速度的大幅提升,日常生活中的更多图像识别任务可以用这些技术来满足工程需求。马铃薯病害检测亦是如此,为了让缺少相关知识的用户快速识别出马铃薯病害种类和发展程度,应用深度学习模型进行图像识别,特别是图像检测,是病害检测的重要发展趋势。如何让农民在马铃薯地里捕捉到病害叶片的10秒内,得知病害专业的检测结果和治疗方案,这是一个高度面向应用的技术课题,由此,一种基于图像识别的马铃薯病害检测新技术应运而生。这种新技术具有显著的便捷性、准确性、实时性。目前,基于图像识别的马铃薯病害检测技术主要有以下几类技术方案:技术方案(1)(参见参考文献1)该方案利用深度学习针对马铃薯叶部四种主要的病害图像进行识别,结合智能手机WebApp开发,实现了适用于马铃薯叶部病害图像的识别系统。该方案首先构建了9层网络结构模型,在网络的输入层随即对图像进行变换,对图像增加白化处理,设计三个卷积层和三个池化层对图像进行特征学习和二次特征的抽象,设计三个全连接层将卷积、池化层学习到的特征连接到该层设置的每个神经元,进而获取最高层次的图像特征;通过大量试验确定网络参数,采用2000个病害图像训练样本集训练网络模型,训练网络用时约3个小时,自动学习到384个病害图像特征,结合Softmax分类器构建识别模型,训练集的识别准确率达到86%。技术方案(1)的缺点第一: ...
【技术保护点】
1.一种基于图像识别的马铃薯病害检测方法,包括以下步骤:步骤1、客户端获取待识别的马铃薯叶片、根茎和薯块的图片,并上传到服务端;步骤2、服务端对所述图片进行预处理,之后将预处理后的图片送入深度学习模型;步骤3、深度学习模型对预处理后的图片提取高维特征后识别并标定出图片中包含的马铃薯病斑的类别和位置;步骤4、将识别出的病斑位置及其类别作为标记叠加到图片上,形成检测结果图片,以供客户端下载并显示。
【技术特征摘要】
1.一种基于图像识别的马铃薯病害检测方法,包括以下步骤:步骤1、客户端获取待识别的马铃薯叶片、根茎和薯块的图片,并上传到服务端;步骤2、服务端对所述图片进行预处理,之后将预处理后的图片送入深度学习模型;步骤3、深度学习模型对预处理后的图片提取高维特征后识别并标定出图片中包含的马铃薯病斑的类别和位置;步骤4、将识别出的病斑位置及其类别作为标记叠加到图片上,形成检测结果图片,以供客户端下载并显示。2.根据权利要求1所述的马铃薯病害检测方法,其中,步骤1包括:用户通过客户端对马铃薯叶片、根茎和薯块进行拍照,形成所述图片。3.根据权利要求1所述的马铃薯病害检测方法,其中,所述预处理包括尺寸变换、归一化处理。4.根据权利要求1所述的马铃薯病害检测方法,还包括:步骤5、根据步骤4的识别结果,计算病斑面积占拍摄目标面积的比例,其中,所述拍摄目标包括叶片、根茎、薯块。5.根据权利要求4所述的马铃薯病害检测方法,还包括:步骤6、根据所述比例的大小确定马铃薯病害的严重程度,由此生成应在当前阶段采用的治疗方案,供客户端下载。6.根据权利要求5所述的马铃薯病害检测方法,还包括:步骤7、用户通过客户端下载识别结果之后,向服务端反馈所述识别的准确性;步骤8、服务端根据所述客户端的反馈,对深度学习模型进行更新训练。7.根据权利要求7所述的马铃薯病害检测方法,还包括:步骤9、服务端将所述检测结果图片补充到所述深度学习模型的训练集,对深度学习模型进行更新训练。8.根据权利要求4所述的马铃薯病害检测方法,其中,所述步骤3包括:步骤3-1、通过特征提取网络对输入图像提取特征,分别得到大、中、小三个不同尺度的...
【专利技术属性】
技术研发人员:赵志诚,刘昊成,苏菲,赵衍运,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京,11
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。