作物病害防治方案推荐方法及装置、系统、设备和介质制造方法及图纸

本公开是关于一种作物病害防治方案推荐方法及装置、系统、设备以及介质，涉及机器学习技术领域，可以应用于根据作物图像确定对应的病害防治方案的场景。该作物病害防治方案推荐方法包括：获取多个待处理图像；其中，待处理图像包括作物图像；将作物图像输入至特征分类模型，以确定作物图像对应的分类特征数据；其中，特征分类模型是基于深度残差网络生成；将分类特征数据输入至结果推荐模型，以确定与分类特征数据对应的防治方案；接收针对防治方案的反馈信息，根据反馈信息调整深度残差网络的参数的权重，以优化深度残差网络的结构。本公开引入深度残差网络，以便更准确地获取到与作物图像对应的病害防治方案。

Recommended methods, devices, systems, equipment and media for crop disease control programs

【技术实现步骤摘要】
作物病害防治方案推荐方法及装置、系统、设备和介质
本公开涉及机器学习
，具体而言，涉及一种作物病害防治方案推荐方法、作物病害防治方案推荐装置、作物病害防治方案推荐系统、电子设备以及计算机可读存储介质。
技术介绍
在农业生产中，各类作物常常受到多种病害侵害，导致作物病害作物减产和品质下降，作物病害防治是作物生产中的重要任务，及早发现作物病情和正确诊断病害类型，掌握病害发生特点、发生发展规律和防治措施，采取多种有效措施保护作物生产，是进行科学防治作物病害的前提。由于很多病害发生后病害症状往往首先表现在叶片，多年来，基于病害叶片图像的作物病害识别方法和系统研究一直是多个领域专家和学者的研究方向。然而，由于作物病害种类很多，实际病害叶片图像千变万化等原因，使得很多现有的作物病害识别方法和技术的识别率低、鲁棒性不强，还不能满足作物病害智能检测系统的实际需要。基于深度学习的特征提取方法一般需要依赖大量训练样本解决其性能退化问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种作物病害防治方案推荐方法、作物病害防治方案推荐装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服现有的采用传统的卷积神经网络方法进行作物病害识别时识别率低、鲁棒性不强的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。根据本公开的第一方面，提供一种作物病害防治方案推荐方法，包括：获取多个待处理图像；其中，待处理图像包括作物图像；将作物图像输入至特征分类模型，以确定作物图像对应的分类特征数据；其中，特征分类模型是基于深度残差网络生成；将分类特征数据输入至结果推荐模型，以确定与分类特征数据对应的防治方案；接收针对防治方案的反馈信息，根据反馈信息调整深度残差网络的参数的权重，以优化深度残差网络的结构。可选的，作物图像为多个作物图像，将作物图像输入至特征分类模型，以确定作物图像对应的分类特征数据，包括：将多个作物图像作为初始训练样本集；获取新增作物图像，并将新增作物图像与作物图像作为更新训练集；将更新训练集输入至特征分类模型，以获取分类特征数据。可选的，分类特征数据包括图像分类特征和作物病害类型，深度残差网络包括残差处理单元、全局平均池化层以及分类层；其中，分类层包括基于支持向量机生成的多分类器，上述方法还包括：将图像分类特征输入至全局平均池化层，以获取图像分类特征对应的池化结果；将池化结果输入至多分类器，以获取与图像分类特征对应的作物病害类型。可选的，结果推荐模型包括规则子库、事实子库和推理层，将分类特征数据输入至结果推荐模型，以得到与分类特征数据对应的防治方案，包括：将分类特征数据输入至事实子库，以存储分类特征数据；获取产生式规则，将产生式规则输入至规则子库，以存储产生式规则；其中，产生式规则包括病害防治方案；由推理层采用动态搜索机制的黑板模型，并根据分类特征数据生成对应的防治方案推荐清单；其中，推荐清单中包括病害防治方案。可选的，由推理层采用动态搜索机制的黑板模型，并根据分类特征数据生成对应的防治方案推荐清单，包括：确定黑板模型中的知识源，并确定知识源所调用的结果记录数目；根据结果记录数目重新划分知识源的优先级，以改进知识源的层次结构；根据分类特征数据以及变化后的知识源层次结构生成防治方案推荐清单。可选的，接收针对防治方案的反馈信息，根据反馈信息调整深度残差网络的参数的权重，以优化深度残差网络的结构，包括：确定反馈信息的可靠度，并确定与可靠度对应的阈值；判断可靠度是否大于阈值；若是，则将反馈信息输入至深度残差网络，以对参数的权重进行调整处理，生成优化后的深度残差网络。根据本公开的第二方面，提供一种作物病害防治方案推荐装置，包括：图像获取模块，用于获取多个待处理图像；其中，待处理图像包括作物图像；特征数据确定模块，用于将作物图像输入至特征分类模型，以确定作物图像对应的分类特征数据；其中，特征分类模型是基于深度残差网络生成；防治方案确定模块，用于将分类特征数据输入至结果推荐模型，以确定与分类特征数据对应的防治方案；优化模块，用于接收针对防治方案的反馈信息，根据反馈信息调整深度残差网络的参数的权重，以优化深度残差网络的结构。可选的，特征数据确定模块包括特征数据确定单元，用于将多个作物图像作为初始训练样本集；获取新增作物图像，并将新增作物图像与作物图像作为更新训练集；将更新训练集输入至特征分类模型，以获取分类特征数据。可选的，作物病害防治方案推荐装置还包括类型获取模块，用于将图像分类特征输入至全局平均池化层，以获取图像分类特征对应的池化结果；将池化结果输入至多分类器，以获取与图像分类特征对应的作物病害类型。可选的，防治方案确定模块包括防治方案确定单元，用于将分类特征数据输入至事实子库，以存储分类特征数据；获取产生式规则，将产生式规则输入至规则子库，以存储产生式规则；其中，产生式规则包括病害防治方案；由推理层采用动态搜索机制的黑板模型，并根据分类特征数据生成对应的防治方案推荐清单；其中，推荐清单中包括病害防治方案。可选的，防治方案确定单元包括方案确定子单元，用于确定黑板模型中的知识源，并确定知识源所调用的结果记录数目；根据结果记录数目重新划分知识源的优先级，以改进知识源的层次结构；根据分类特征数据以及变化后的知识源层次结构生成防治方案推荐清单。可选的，优化模块包括优化单元，用于确定反馈信息的可靠度，并确定与可靠度对应的阈值；判断可靠度是否大于阈值；若是，则将反馈信息输入至深度残差网络，以对参数的权重进行调整处理，生成优化后的深度残差网络。根据本公开的第三方面，提供一种作物病害防治方案推荐系统，包括：图像采集子系统，用于采集作物图像；图像分类子系统，用于将作物图像输入至特征分类模型，以确定作物图像对应的分类特征数据；其中，特征分类模型是基于深度残差网络生成；方案推荐子系统，用于将分类特征数据输入至结果推荐模型，以确定与分类特征数据对应的防治方案；信息反馈子系统，用于接收针对防治方案的反馈信息，根据反馈信息调整深度残差网络的参数的权重，以优化深度残差网络的结构。根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的作物病害防治方案推荐方法。根据本公开的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的作物病害防治方案推荐方法。本公开提供的技术方案可以包括以下有益效果：本公开的示例性实施例中的作物病害防治方案推荐方法，获取到多个待处理的作物图像后，可以将作物图像输入至由深度残差网络生成的特征分类模型中，得到对应的分类特征数据，再将分类特征数据输入至结果推荐模型中，确定出分类特征数据对应的防本文档来自技高网...

【技术保护点】
1.一种作物病害防治方案确定方法，其特征在于，包括：/n获取多个待处理图像；其中，所述待处理图像包括作物图像；/n将所述作物图像输入至特征分类模型，以确定所述作物图像对应的分类特征数据；其中，所述特征分类模型是基于深度残差网络生成；/n将所述分类特征数据输入至结果推荐模型，以确定与所述分类特征数据对应的防治方案；/n接收针对所述防治方案的反馈信息，根据所述反馈信息调整所述深度残差网络的参数的权重，以优化所述深度残差网络的结构。/n

【技术特征摘要】
1.一种作物病害防治方案确定方法，其特征在于，包括：
获取多个待处理图像；其中，所述待处理图像包括作物图像；
将所述作物图像输入至特征分类模型，以确定所述作物图像对应的分类特征数据；其中，所述特征分类模型是基于深度残差网络生成；
将所述分类特征数据输入至结果推荐模型，以确定与所述分类特征数据对应的防治方案；
接收针对所述防治方案的反馈信息，根据所述反馈信息调整所述深度残差网络的参数的权重，以优化所述深度残差网络的结构。


2.根据权利要求1所述的作物病害防治方案确定方法，其特征在于，所述作物图像为多个作物图像，将所述作物图像输入至特征分类模型，以确定所述作物图像对应的分类特征数据，包括：
将所述多个作物图像作为初始训练样本集；
获取新增作物图像，并将所述新增作物图像与所述作物图像作为更新训练集；
将所述更新训练集输入至所述特征分类模型，以获取所述分类特征数据。


3.根据权利要求1或2所述的作物病害防治方案确定方法，其特征在于，所述分类特征数据包括图像分类特征和作物病害类型，所述深度残差网络包括残差处理单元、全局平均池化层以及分类层；其中，所述分类层包括基于支持向量机生成的多分类器，所述方法还包括：
将所述图像分类特征输入至所述全局平均池化层，以获取所述图像分类特征对应的池化结果；
将所述池化结果输入至所述多分类器，以获取与所述图像分类特征对应的所述作物病害类型。


4.根据权利要求1所述的作物病害防治方案确定方法，其特征在于，所述结果推荐模型包括规则子库、事实子库和推理层，所述将所述分类特征数据输入至结果推荐模型，以确定与所述分类特征数据对应的防治方案，包括：
将所述分类特征数据输入至所述事实子库，以存储所述分类特征数据；
获取产生式规则，将所述产生式规则输入至所述规则子库，以存储所述产生式规则；其中，所述产生式规则包括病害防治方案；
由所述推理层采用动态搜索机制的黑板模型，并根据所述分类特征数据生成对应的防治方案推荐清单；其中，所述推荐清单中包括所述病害防治方案。


5.根据权利要求4所述的作物病害防治方案确定方法，其特征在于，所述由所述推理层采用动态搜索机制的黑板模型，并根据所述分类特征数据生成对应的防治方案推荐清单，包括：
确定所述黑板模型中的知识源，并确定所述...

【专利技术属性】
技术研发人员：张善文，齐国红，张睛睛，张云龙，
申请(专利权)人：郑州西亚斯学院，
类型：发明
国别省市：河南;41