病虫害识别方法及装置制造方法及图纸

本申请提供的病虫害识别方法及装置，应用于数据处理设备。该数据处理设备预配置有训练好的神经网络模型，其中，该神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得。该数据处理设备获取待识别植物的叶片图像以及植株图像，通过该神经网络模型对待识别植物的特征进行识别，进而获得该待识别植物的种类以及病虫害类型。如此，通过将植物的叶片图像以及该植物的植株图像相结合，提高了植物种类的识别率以及不同植物患病类型的识别率。

Pest and Disease Identification Method and Device

【技术实现步骤摘要】
病虫害识别方法及装置
本申请涉及图像识别领域，具体而言，涉及一种病虫害识别方法及装置。
技术介绍
植物病虫害指植物受到其他生物的侵染，如病菌侵染、真菌侵染或者害虫的侵染；或者由于不适宜的环境条件而引起的正常生理机能的破坏，如干旱、冰冻或者打气污染。我国作为农业大国，农作物病虫害疾病常常给国民经济造成重大的损失。现有病虫害检测技术中，大多数方法针对单类植物或病虫害进行识别，由于识别手段依赖于人工提取特征，因此，在某类农作物上能够进行较准确的识别方法通常难以复用到另一类植物上。因此，存在通用性差，不同植物之间识别率不稳定的问题。
技术实现思路
为了克服现有技术中的至少一个不足，本申请的目的之一在于提供一种病虫害识别方法，应用于数据处理设备，所述数据处理设备配置有训练好的神经网络模型，所述训练好的神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得，所述方法包括：获取待识别植物的图像，所述待识别植物的图像包括叶片图像以及植株图像；将所述待识别植物的图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型。可选地，所述神经网络模型包括植物种类识别网络和多个病虫害种类识别网络，所述将所述待识别植物的图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型的步骤包括：通过所述植物种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得所述待识别植物种类；根据所述待识别植物种类确定对应的目标病虫害种类识别网络；通过所述目标病虫害种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得该待识别植物的病虫害种类。可选地，所述方法还包括对所述神经网络模型的训练的步骤：获取标记有植物种类标签以及病虫害种类标签的植物样本图像，所述植物样本图像包括叶片图像和植株图像；将所述植物样本图像输入待训练的所述神经网络模型；基于预设损失函数，通过反向传播算法对待训练的所述神经网络模型权值进行迭代调整，直到所述损失函数的输出值小于预设阈值，得到所述训练好的神经网络模型。可选地，所述神经网络模型包括植物种类识别网络和多个病虫害种类识别网络，所述基于预设损失函数，通过反向传播算法对待训练的所述神经网络模型权值进行迭代调整，直到所述损失函数的输出值小于预设阈值，得到所述训练好的神经网络模型的步骤包括：将所述植物样本图像输入所述植物种类识别网络，使得所述植物种类识别网络根据所述物样本图像的植物种类标签进行训练；根据所述植物样本图像的种类标签，分别将不同种类的植物样本图像输入不同的病虫害种类识别网络，使得所述病虫害种类识别网络根据所述病虫害种类标签进行训练；通过训练好的所述植物种类识别网络以及多个病虫害种类识别网络构成所述训练好的神经网络模型。可选地，所述植物样本图像被划分成预设比例的训练样本和测试样本，所述测试样本用于检测通过所述训练样本训练好的神经网络模型的准确率。可选地，所述植株图像为从多个拍摄角度获得的植株全景图。本申请实施例的另一目的在于提供一种病虫害识别装置，应用于数据处理设备，所述数据处理设备配置有训练好的神经网络模型，所述训练好的神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得，所述病虫害识别装置包括获取模块和识别模块；所述获取模块用于获取待识别植物的图像，所述待识别植物的图像包括叶片图像以及植株图像；所述识别模块用于将所述叶片图像以及植株图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型。可选地，所述神经网络模型包括植物种类识别网络和多个病虫害种类识别网络，所述识别模块通过以下方式对所述待识别植物进行识别：通过所述植物种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得所述待识别植物种类；根据所述待识别植物种类确定对应的目标病虫害种类识别网络；通过所述目标病虫害种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得该待识别植物的病虫害种类。可选地，所述病虫害识别装置还包括调整模块；所述获取模块还用于获取标记有植物种类标签以及病虫害种类标签的植物样本图像，所述植物样本图像包括叶片图像和植株图像，将所述植物样本图像输入待训练的所述神经网络模型；所述调整模块用于基于预设损失函数，通过反向传播算法对待训练的所述神经网络模型权值进行迭代调整，直到所述损失函数的输出值小于预设阈值，得到所述训练好的神经网络模型。可选地，所述植物样本图像被划分成预设比例的训练样本和测试样本，所述测试样本用于检测通过所述训练样本训练好的神经网络模型的准确率。相对于现有技术而言，本申请具有以下有益效果：本申请实施例提供的病虫害识别方法及装置，应用于数据处理设备。该数据处理设备预配置有训练好的神经网络模型，其中，该神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得。该数据处理设备获取待识别植物的叶片图像以及植株图像，通过该神经网络模型对待识别植物的特征进行识别，进而获得该待识别植物的种类以及病虫害类型。如此，通过将植物的叶片图像以及该植物的植株图像相结合，提高了植物种类的识别率以及不同植物患病类型的识别率。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。图1为本申请实施例提供的数据处理设备的硬件结构图；图2为本申请实施例提供的病虫害识别方法的步骤流程图；图3为本申请实施例提供的神经网络模型的结构图示意图；图4为本申请实施例提供的病虫害识别装置的结构示意图之一；图5为本申请实施例提供的病虫害识别装置的结构示意图之二。图标：100-数据处理设备；120-存储器；110-病虫害识别装置；130-处理器；1101-获取模块；1102-识别模块；1103-调整模块。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。请参照图1，图1所示的数据处理设备100的方框示意图，该数据处理设备100包括存储器120、处理器130和病虫害识别装置110。其中，所述存储器120、处理器130以及相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通本文档来自技高网...

【技术保护点】
1.一种病虫害识别方法，其特征在于，应用于数据处理设备，所述数据处理设备配置有训练好的神经网络模型，所述训练好的神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得，所述方法包括：获取待识别植物的图像，所述待识别植物的图像包括叶片图像以及植株图像；将所述待识别植物的图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型。

【技术特征摘要】
1.一种病虫害识别方法，其特征在于，应用于数据处理设备，所述数据处理设备配置有训练好的神经网络模型，所述训练好的神经网络模型通过多张患病植物的叶片图像以及植株图像进行训练获得，所述方法包括：获取待识别植物的图像，所述待识别植物的图像包括叶片图像以及植株图像；将所述待识别植物的图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型。2.根据权利要求1所述的病虫害识别方法，其特征在于，所述神经网络模型包括植物种类识别网络和多个病虫害种类识别网络，所述将所述待识别植物的图像输入所述神经网络模型，使得所述神经网络模型对所述待识别植物的特征进行识别，获得所述待识别植物的种类以及该待识别植物的病虫害类型的步骤包括：通过所述植物种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得所述待识别植物种类；根据所述待识别植物种类确定对应的目标病虫害种类识别网络；通过所述目标病虫害种类识别网络对所述待识别植物的叶片图像以及植株图像进行识别，获得该待识别植物的病虫害种类。3.根据权利要求1所述的病虫害识别方法，其特征在于，所述方法还包括对所述神经网络模型的训练步骤：获取标记有植物种类标签以及病虫害种类标签的植物样本图像，所述植物样本图像包括叶片图像和植株图像；将所述植物样本图像输入待训练的所述神经网络模型；基于预设损失函数，通过反向传播算法对待训练的所述神经网络模型权值进行迭代调整，直到所述损失函数的输出值小于预设阈值，得到所述训练好的神经网络模型。4.根据权利要求3所述的病虫害识别方法，其特征在于，所述神经网络模型包括植物种类识别网络和多个病虫害种类识别网络，所述基于预设损失函数，通过反向传播算法对待训练的所述神经网络模型权值进行迭代调整，直到所述损失函数的输出值小于预设阈值，得到所述训练好的神经网络模型的步骤包括：将所述植物样本图像输入所述植物种类识别网络，使得所述植物种类识别网络根据所述物样本图像的植物种类标签进行训练；根据所述植物样本图像的种类标签，分别将不同种类的植物样本图像输入不同的病虫害种类识别网络，使得所述病虫害种类识别网络根据所述病虫害种...

【专利技术属性】
技术研发人员：陈媛媛，万虎，卢铮，齐旺，何银，罗文婧，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51