黄瓜霜霉病严重度的评估方法及装置制造方法及图纸

本发明专利技术实施例提供一种黄瓜霜霉病严重度的评估方法及装置，属于农作物栽培技术领域。该方法包括：获取自然环境下采集到的待评估的黄瓜叶片图像；采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。本发明专利技术实施例提供的方法，通过采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。由于可自动估算病害程度，从而自动化程度高且识别效率高，能够有效减少人工干预带来的主观影响，降低诊断过程的应用成本和复杂程度，可有效提高病害诊断的准确性和实时性，也为黄瓜病害诊断的相关研究提供了可靠且准确的数据基础。

Assessment Method and Device for the Severity of Cucumber Downy Mildew

The embodiment of the invention provides a method and device for evaluating the severity of cucumber downy mildew, which belongs to the field of crop cultivation technology. The method includes: acquiring the cucumber leaf images to be evaluated in the natural environment; using the random gradient descent method, and based on the neural network estimation model of downy mildew severity, evaluating the severity of downy mildew in cucumber leaf images. The method provided by the embodiment of the present invention evaluates the severity of downy mildew in cucumber leaf images by adopting a random gradient descent method and a neural network estimation model based on Downy Mildew severity. Because the disease degree can be estimated automatically, the automation degree is high and the recognition efficiency is high. It can effectively reduce the subjective influence caused by manual intervention, reduce the application cost and complexity of the diagnosis process. It can effectively improve the accuracy and real-time of disease diagnosis. It also provides a reliable and accurate data basis for the related research of cucumber disease diagnosis.

【技术实现步骤摘要】
黄瓜霜霉病严重度的评估方法及装置
本专利技术实施例涉及农作物栽培
，尤其涉及一种黄瓜霜霉病严重度的评估方法及装置。
技术介绍
温室黄瓜在种植过程中由于各种原因引发病害，进而造成产量降低和品质下降。霜霉病是温室黄瓜病害中较为常见的病害之一。病害的准确诊断分为两个方面，一个是病害种类的识别，一个是病害程度的估算。病害严重程度的准确获取是种植者科学防治病害的前提条件，对于减少农药使用量、提升经济效益具有重要意义。传统的病害程度估算方法主要是靠种植者经验，不仅耗时耗力，而且主观性较高。在相关技术中，通常是利用计算机视觉进行温室黄瓜病害诊断。具体地，采用黄瓜叶片RGB图像，获取病斑的颜色、纹理和形状特征，通过机器学习方法建立诊断模型，从而实现病害的诊断。这些方法只能够对病害的种类进行识别，但是不能评估病害的严重程度。因此，现急需一种有效的黄瓜霜霉病严重度的评估方法。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的温室作物情景感知的黄瓜霜霉病严重度的评估方法及装置。根据本专利技术实施例的第一方面，提供了一种黄瓜霜霉病严重度的评估方法，包括：获取自然环境下采集到的待评估的黄瓜叶片图像；采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。本专利技术实施例提供的方法，通过获取自然环境下采集到的待评估的黄瓜叶片图像，采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。由于可自动估算病害程度，从而自动化程度高且识别效率高，能够有效减少人工干预带来的主观影响，降低诊断过程的应用成本和复杂程度，可有效提高病害诊断的准确性和实时性，也为黄瓜病害诊断的相关研究提供了可靠且准确的数据基础。根据本专利技术实施例的第二方面，提供了一种黄瓜霜霉病严重度的评估装置，包括：获取模块，用于获取自然环境下采集到的待评估的黄瓜叶片图像；评估模块，用于采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。根据本专利技术实施例的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的黄瓜霜霉病严重度的评估方法。根据本专利技术的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的黄瓜霜霉病严重度的评估方法。应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本专利技术实施例。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种黄瓜霜霉病严重度的评估方法的流程示意图；图2为本专利技术实施例提供的一种霜霉病严重度的神经网络估算模型的结构示意图；图3为本专利技术实施例提供的一种黄瓜霜霉病严重度的评估装置的结构示意图；图4为本专利技术实施例提供的一种电子设备的框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。温室黄瓜在种植过程中由于各种原因引发病害，进而造成产量降低和品质下降。霜霉病是温室黄瓜病害中较为常见的病害之一。病害的准确诊断分为两个方面，一个是病害种类的识别，一个是病害程度的估算。病害严重程度的准确获取是种植者科学防治病害的前提条件，对于减少农药使用量、提升经济效益具有重要意义。传统的病害程度估算方法主要是靠种植者经验，不仅耗时耗力，而且主观性较高。在相关技术中，通常是利用计算机视觉进行温室黄瓜病害诊断。具体地，采用黄瓜叶片RGB图像，获取病斑的颜色、纹理和形状特征，通过机器学习方法建立诊断模型，从而实现病害的诊断。这些方法只能够对病害的种类进行识别，但是不能评估病害的严重程度。因此，现急需一种有效的黄瓜霜霉病严重度的评估方法。有少量研究针对病害程度使用浅层机器学习方法构建估算模型，虽然有一定的效果，但是需要进行前期的病斑分割和人为设置图像特征，由于自然环境下受到复杂背景和光照的影响，分割的准确率难以保证，导致这些方法在自然环境下难以拓展使用。卷积神经网络是具有自学习能力的无监督学习方法，被认为是目前图像识别最有效的途径之一。卷积神经网络已在农业领域取得了广泛的应用，它在图像识别中的明显优势为我们提供了一种思路。因此，研究基于卷积神经网络的温室黄瓜霜霉病严重度定量估算方法，可以为黄瓜病害精确诊断提供支撑。基于上述说明，针对目前存在的问题，本专利技术实施例提供了一种黄瓜霜霉病严重度的评估方法。参见图1，该方法包括：101、获取自然环境下采集到的待评估的黄瓜叶片图像。102、采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。本专利技术实施例提供的方法，通过获取自然环境下采集到的待评估的黄瓜叶片图像，采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。由于可自动估算病害程度，从而自动化程度高且识别效率高，能够有效减少人工干预带来的主观影响，降低诊断过程的应用成本和复杂程度，可有效提高病害诊断的准确性和实时性，也为黄瓜病害诊断的相关研究提供了可靠且准确的数据基础。基于上述实施例的内容，作为一种可选实施例，在基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估之前，还包括：对自然环境下采集到的黄瓜霜霉病叶片的样本图像进行预处理，并基于预处理后的样本图像构建得到原始数据集；基于原始数据集中的样本图像及样本图像的病害程度值，对原始神经网络模型进行训练，得到霜霉病严重度的神经网络估算模型。其中，原始神经网络模型可以为卷积神经网络模型，本专利技术实施例对此不作具体限定。基于上述实施例的内容，作为一种可选实施例，关于对自然环境下采集到的黄瓜霜霉病叶片的样本图像进行预处理的方式，本专利技术实施例对此不作具体限定，包括但不限于：从采集到的样本图像中剔除分辨率低于预设阈值的样本图像；剔除每一样本图像的背景图案，并将每一样本图像调整成预设尺寸大小。具体地，在获取到温室环境下采集到的样本图像后，可先剔除掉质量较低的图像，如分辨率或者清晰度较低的图像。另外，还可以对样本图像进行归一化处理，也即将样本图像调整为相同的颜色空间，相同的尺寸大小，如128×128像素，本专利技术实施例对此不作具体限定。需要说明的是，样本标签图像的尺寸越大，则计算成本越高。除此之外，还可以剔除剩下的样本图像的背景图案，以减少图像中无关的信息。基于上述实施例的本文档来自技高网...

【技术保护点】
1.一种黄瓜霜霉病严重度的评估方法，其特征在于，包括：获取自然环境下采集到的待评估的黄瓜叶片图像；采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对所述黄瓜叶片图像的黄瓜霜霉病严重度进行评估。

【技术特征摘要】
1.一种黄瓜霜霉病严重度的评估方法，其特征在于，包括：获取自然环境下采集到的待评估的黄瓜叶片图像；采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对所述黄瓜叶片图像的黄瓜霜霉病严重度进行评估。2.根据权利要求1所述的方法，其特征在于，所述基于霜霉病严重度的神经网络估算模型，对所述黄瓜叶片图像的黄瓜霜霉病严重度进行评估之前，还包括：对自然环境下采集到的黄瓜霜霉病叶片的样本图像进行预处理，并基于预处理后的样本图像构建得到原始数据集；基于所述原始数据集中的样本图像及所述样本图像的病害程度值，对原始神经网络模型进行训练，得到所述霜霉病严重度的神经网络估算模型。3.根据权利要求2所述的方法，其特征在于，所述对自然环境下采集到的黄瓜霜霉病叶片的样本图像进行预处理，包括：从采集到的样本图像中剔除分辨率低于预设阈值的样本图像；剔除每一样本图像的背景图案，并将每一样本图像调整成预设尺寸大小。4.根据权利要求2所述的方法，其特征在于，所述基于所述原始数据集，对原始神经网络模型进行训练，得到所述霜霉病严重度的神经网络估算模型之前，还包括：按照预设处理方式，对所述原始数据集中的样本图像进行处理，以对所述原始数据集进行扩充，所述预设处理方式至少包括以下三种方式中的任意一种，所述以下三种方式分别为色彩抖动、水平翻转及垂直翻转。5.根据权利要求1所述的方法，其特征在于，所述霜霉病严重度的神经网络估算模型包括输入层、5个卷积...

【专利技术属性】
技术研发人员：张领先，田潇，马浚诚，陈英义，陈运强，李云霞，徐赞誉，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11