The invention discloses a targeting drug spraying method based on convolution neural network, which includes steps: S1, input sample image and selected iteration number training, CNN convolution neural network capable of identifying N-type target pests, input target image, and obtain the judgment score of the image corresponding to N-type target pests; S2, according to this step, get the judgment score of the image corresponding to N-type target pests. Compared with the pre-set pest recognition threshold, if the score is greater than the pest recognition threshold, the pest species are identified and carried out. If the score is less than the pest recognition threshold, the image is judged to be harmless, without targeting drug spraying; S3, the pest species identified according to the first two are input to the image. According to the RCNN regional network model trained by the pest, the data of the pest were counted, and the location of the pest was displayed by block diagram, so that the drug spraying was carried out. The invention can efficiently implement targeted drug spraying with high accuracy in a low configuration environment, and has strong engineering applicability.
【技术实现步骤摘要】
一种基于卷积神经网络的靶向药物喷洒方法
本专利技术涉及深度学习、图像识别的
,尤其是指一种基于卷积神经网络的靶向药物喷洒方法。
技术介绍
害虫给我国的棉花种植成长中带来了严重的困扰,有效的解决方法就是利用杀虫剂消灭害虫。但是害虫种类繁多,农业生产者缺乏足够的农业知识去判断害虫种类,不能使用正确的灭虫剂,同时地毯式的喷洒药物,也会污染大量区域的环境。因此精准化、智能化的药物喷洒技术势在必行。要实现靶向药物喷洒技术,其主要的前提是如何精确地找出害虫的种类、位置等。目前对于害虫识别的研究方法基本上分为基于关系结构匹配的害虫识别以及基于机器学习的害虫识别。对比人工识别,数字化图像处理技术有着高效识别、低错误率的优点。但是也存在一下的问题:1)抽取的特征较为单一,主要为颜色特征、形状特征、纹理特征。2)特征需要人工选择,大多数学者都是选取自定的特征参数作为识别的标准,缺少对整体害虫特征的提取,因而构建模型的性能往往依赖于特征选择的优劣,因此模型的拟合度会因所取特征的优劣而出现较大波动。即当前的方法中,还未能全面提取目标特征,主观因素较大。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足,提出了一种基于卷积神经网络的靶向药物喷洒方法,主要通过CNN(ConvolutionalNeuralNetwork,CNN)、RCNN(Region-CNN,RCNN)两种网络相结合的方法,对害虫进行种类检测和数目统计,从而在标注的目标区域喷洒靶向药物。本专利技术的特色在于利用CNN卷积神经网络检测效率高的特点,对目标图像进行分类,在有害虫的识别结果下再结合对应的RCN ...
【技术保护点】
1.一种基于卷积神经网络的靶向药物喷洒方法,其特征在于,包括以下步骤:S1、在训练好的CNN卷积神经网络检测图像的分类输入样本图像和选定的迭代次数训练能够识别N类目标害虫的CNN卷积神经网络,输入目标图像,得出该图像对应N类目标害虫的判定得分;S2、根据步骤S1得出图像对应N类目标害虫的判定得分,与预先设定的害虫识别阀值比较,如果得分大于害虫识别阀值,则判别该害虫种类,进行步骤S3,如果小于害虫的识别阀值,则判断为无害虫,无需靶向药物喷洒;S3、根据步骤S2判别的害虫种类,输入到针对害虫所训练的RCNN区域网络模型,统计该害虫的数据,并用框图显示害虫的区域位置,从而进行药物喷洒。
【技术特征摘要】
1.一种基于卷积神经网络的靶向药物喷洒方法,其特征在于,包括以下步骤:S1、在训练好的CNN卷积神经网络检测图像的分类输入样本图像和选定的迭代次数训练能够识别N类目标害虫的CNN卷积神经网络,输入目标图像,得出该图像对应N类目标害虫的判定得分;S2、根据步骤S1得出图像对应N类目标害虫的判定得分,与预先设定的害虫识别阀值比较,如果得分大于害虫识别阀值,则判别该害虫种类,进行步骤S3,如果小于害虫的识别阀值,则判断为无害虫,无需靶向药物喷洒;S3、根据步骤S2判别的害虫种类,输入到针对害虫所训练的RCNN区域网络模型,统计该害虫的数据,并用框图显示害虫的区域位置,从而进行药物喷洒。2.根据权利要求1所述的一种基于卷积神经网络的靶向药物喷洒方法,其特征在于:在步骤S1中,输入的N个图像样本其中xi表示第i个输入图像,y表示第i个图像的标签;CNN训练过程包括向前传播阶段和后传播阶段,在前向传播阶段,当一个训练样本(xi,yi)作为网络输入时,xi将一步步地从输入层转移到输出层,最后得到实际输出oi,这个过程表示...
【专利技术属性】
技术研发人员:古万荣,施玉健,毛宜军,李海良,朱韬,
申请(专利权)人:拓普暨达广州基因精准医疗科技有限公司,
类型:发明
国别省市:广东,44
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。