一种农作物病虫害检测方法技术
【技术实现步骤摘要】
一种农作物病虫害检测方法
本专利技术涉及一种农作物病虫害的检测方法。
技术介绍
农作物病虫害的智能检测，一直是农业信息化的一项重要内容，在近些年来越来越受到专家和学者的重视。农作物病虫害图像智能识别技术则是图像处理技术与人工智能技术相结合，在农作物病虫害识别上的应用，成为替代传统人工识别的技术手段，其对农作物病虫害识别具有传统方法所不具备的快速性、准确性、实时性等特点。目前的农作物病虫害图像智能识别技术一般是通过各种分类算法实现的，但是各种分类算法均存在各自的优点和缺点。目前的农作物病虫害图像智能识别技术针对于一种农作物的病虫害进行分类的准确率一般能够达到85％以上，但是完全依赖于具体的分类算法的自身结构特点。例如单一利用卷积神经网络进行分类是就严重依赖于卷积神经网络的结构，有的卷积神经网络的结构对应的效果(准确率)能够达到90％左右，但是有的卷积神经网络的结构对应的分类效果(准确率)甚至达不到70％。由于每种农作物都有自身的特征信息，每种农作物病虫害也有自身的特征信息，一般现有的分类算法在训练的时候仅能针对一种作物有效，一旦将不同农作物病虫害图像作为样本，则分类...
【技术保护点】
一种农作物病虫害检测方法，其特征在于，包括：步骤一：将具有明确标签的可见光农作物病虫害图像进行预处理，得到预处理后的可见光农作物病虫害图像，将预处理后的可见光农作物病虫害图像分成训练集和测试集；搭建十八层网络结构的卷积神经网络，用可见光农作物病虫害图像训练集的样本进行卷积神经网络训练，并用可见光农作物病虫害图像测试集对卷积神经网络进行测试，得到训练好的卷积神经网络；利用训练好的卷积神经网络对具有明确标签的可见光农作物病虫害图像的特征进行提取；对提取到的特征和训练好的卷积神经网络进行存储；步骤二：利用从可见光农作物病虫害图像提取到的特征和其对应的可见光农作物病虫害图像的分类标...
【技术特征摘要】
1.一种农作物病虫害检测方法，其特征在于，包括：步骤一：将具有明确标签的可见光农作物病虫害图像进行预处理，得到预处理后的可见光农作物病虫害图像，将预处理后的可见光农作物病虫害图像分成训练集和测试集；搭建十八层网络结构的卷积神经网络，用可见光农作物病虫害图像训练集的样本进行卷积神经网络训练，并用可见光农作物病虫害图像测试集对卷积神经网络进行测试，得到训练好的卷积神经网络；利用训练好的卷积神经网络对具有明确标签的可见光农作物病虫害图像的特征进行提取；对提取到的特征和训练好的卷积神经网络进行存储；步骤二：利用从可见光农作物病虫害图像提取到的特征和其对应的可见光农作物病虫害图像的分类标签训练支持向量机模型；步骤三：针对新上传的农作物病虫害可见光图片，进行预处理，然后用训练好的卷积神经网络进行特征提取，然后再用训练好的支持向量机模型对提取到的特征进行分类，从而得到农作物病虫害的分类结果。2.根据权利要求1所述的一种农作物病虫害检测方法，其特征在于，步骤一所述的卷积神经网络的十八层网络结构如下：第1层的层类型为卷积层，尺寸为11*11*3*64，步长4；第2层的层类型为归一化层；第3层的层类型为激活层；第4层的层类型为池化层，尺寸为3*3，步长3；第5层的层类型为卷积层，尺寸为5*5*64*256，步长3；第6层的层类型为归一化层；第7层的层类型为激活层；第8层的层类型为池化层，尺寸为2*2，步长2；第9层的层类型为卷积层，尺寸为3*3*256*256，步长2；第10层的层类型为归一化层；第11层的层类型为激活层；第12层的层类型为池化层，尺寸为2*2，步长2；第13层的层类型为全连接层，尺寸为1*1*256*1024，步长1；第14层的层类型为激活层；第15层的层类型为全连接层，尺寸为1*1*1024*128，步长1；第16层的层类型为激活层；第17层的层类型为全连接层，尺寸为1*1*128*n，步...
【专利技术属性】
技术研发人员：吴芝路，卫智熠，陈雨时，尹振东，李波，马波，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23
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。