一种基于卷积神经网络的棉蚜识别方法技术

本发明专利技术公开了一种基于卷积神经网络的棉蚜识别方法，该方法包括：获取棉蚜危害图像；采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。本发明专利技术使用手机采集棉花蚜虫危害图像，通过前期大量的调查数据，结合数据挖掘、深度学习的深度卷积神经网络方法，建立植物病虫害的识别方法和模型，对棉花蚜虫危害等级进行识别与区分，减少目前植保调查中人为因素产生的差异，而且提高调查效率，降低了试验成本，即利用该方法可方便快捷采集图像，并快速进行分类，为病虫害调查提供方便快捷准确的调查体系，并根据高时效性的理论数据为相关决策部门提供决策支持。

A method of cotton aphid identification based on convolution neural network

【技术实现步骤摘要】
一种基于卷积神经网络的棉蚜识别方法
本专利技术涉及棉蚜识别
，更具体的涉及一种基于卷积神经网络的棉蚜识别方法。
技术介绍
传统的病虫害调查由农业专家以及农业技术人员进行人工调查，调查的过程耗时耗力，效率低下；而且不同的调查人员对分级标准的理解与识别也是不同的，因主观性导致调查结果也存在误差。
技术实现思路
本专利技术实施例提供一种基于卷积神经网络的棉蚜识别方法，用以解决现有技术中存在的问题。本专利技术实施例提供一种基于卷积神经网络的棉蚜识别方法，包括：获取棉蚜危害图像；采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。进一步地，所述获取棉蚜危害图像，具体包括：采用带摄像头的手机在棉花的冠层上进行图像采集；其中，在进行图像采集时要保持镜头与冠层平行，且要确保棉花的冠层全部在采集的图像内。进一步地，所述采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；具体包括：采用卷本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的棉蚜识别方法，其特征在于，包括：/n获取棉蚜危害图像；/n采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；/n将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。/n

【技术特征摘要】
1.一种基于卷积神经网络的棉蚜识别方法，其特征在于，包括：
获取棉蚜危害图像；
采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；
将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。


2.如权利要求1所述的基于卷积神经网络的棉蚜识别方法，其特征在于，所述获取棉蚜危害图像，具体包括：
采用带摄像头的手机在棉花的冠层上进行图像采集；其中，在进行图像采集时要保持镜头与冠层平行，且要确保棉花的冠层全部在采集的图像内。


3.如权利要求1所述的基于卷积神经网络的棉蚜识别方法，其特征在于，所述采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；具体包括：
采用卷积神经网络模型在ImageNet数据集上训练no_top权重参数；
采用棉蚜危害数据集对卷积神经网络模型的所有卷积层及分类层进行微调；
根据no_top权重参数和微调后的卷积神经网络模型，训练形成基于卷积神经网络的棉蚜识别模型。


4.如权利要求3所述的基于卷积神经网络的棉蚜识别方法，其特征在于，所述采用棉蚜危害数据集对卷积神经网络模型的所有卷积层及分类层进行微调；具体包括：
第一卷积组、第二卷积组类似，均由两个卷积层和一个池化层组成，且每个卷积层之后都用到relu激活函数；在第一组的两个卷积层中设置输出特征图个数为64，用大小为3*3的滤波器对棉蚜危害图像进行卷积操作，再进行1个像素值的填充；每次卷积之后的特征图大小都为64*224*224；将前两层卷积层提取到的特征信息再传递给降采样层，经过大小为2*2、步长为2的采样子块进行缩放，最终得到64个112*112...

【专利技术属性】
技术研发人员：乔红波，张慧，郭伟，许鑫，马新明，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：河南;41