基于轻量级卷积神经网络的病虫害检测无人机及检测方法技术

本发明专利技术公开了一种基于轻量级卷积神经网络的病虫害检测无人机及检测方法，首先利用无人机在农场上空进行巡航，并通过搭载的相机采集农作物图像；并对农作物图像进行预处理分割为像素较小的图像；然后，采用轻量级卷积神经网络对图像进行分析，实时判断农作物是否患有某种病症或出现虫害现象；如果判断农作物存在病虫害现象，则无人机停留此区域上空，自适应调节高度，计算目标区域面积，返回实时坐标至控制中心，若判断没有出现病虫害现象，则继续巡查。本发明专利技术能对目标植株进行定位，利用撒药无人机进行定点定量喷洒，节约了人力成本系统成本，减少了农药用量，并且可以在出现病虫害态势之时将其发现，防止其蔓延造成更大损失，具有极高的应用价值。

UAV and detection method based on lightweight convolution neural network

【技术实现步骤摘要】
基于轻量级卷积神经网络的病虫害检测无人机及检测方法
本专利技术属于复杂神经网络
，具体涉及一种基于轻量级卷积神经网络的农作物病虫害检测无人机及检测方法。
技术介绍
随着社会的快速发展，大农场化的种植方式将越来越普及化。农场化的种植方式不仅方便大型农业机械的使用，使农业种植方式机械化、便利化，减轻农民的工作量。而且农场方式使各家各户的土地合并在一起，增大了耕地面积，提高土地利用率。但是农场化种植也存在着待解决的问题——病虫害的防治。由于传统的检测病虫害方式为人工作业，所以在耕地面积增长的情况下，难免暴露出劳作时间长、成本高、效率低等缺陷。所以亟需一种病虫害检测方法，能代替传统的人工作业，更加快捷、方便、高效、准确。
技术实现思路
专利技术目的：本专利技术提出一种基于轻量级卷积神经网络的病虫害检测无人机及检测方法，能够提高病虫害区域分析的准确度，并利用喷药无人机进行定点定量的农药喷洒，提高了使用无人机检测的效率，降低了检测系统和农药喷洒的成本。
技术实现思路
：本专利技术所述的一种基于轻量级卷积神经网络本文档来自技高网...

【技术保护点】
1.一种基于轻量级卷积神经网络的病虫害检测方法，其特征在于，包括以下步骤：/n(1)无人机在农场上空进行巡航，并通过搭载的相机采集农作物图像；/n(2)利用领域增强算法、超像素分割方法对获取的农作物图像进行图像预处理；/n(3)对预处理后的图像进行剪裁，分割为小图像；/n(4)采用轻量级卷积神经网络YOLO Nano对图像进行分析，实时判断农作物是否患有某种病症或出现虫害现象；/n(5)如果判断农作物存在病虫害现象，则无人机停留此区域上空，自适应调节高度，计算目标区域面积，返回实时坐标至控制中心，进行下一步；若判断没有出现病虫害现象，则继续重复步骤(1)—(4)；/n(6)重复步骤(1)—(5...

【技术特征摘要】
1.一种基于轻量级卷积神经网络的病虫害检测方法，其特征在于，包括以下步骤：
(1)无人机在农场上空进行巡航，并通过搭载的相机采集农作物图像；
(2)利用领域增强算法、超像素分割方法对获取的农作物图像进行图像预处理；
(3)对预处理后的图像进行剪裁，分割为小图像；
(4)采用轻量级卷积神经网络YOLONano对图像进行分析，实时判断农作物是否患有某种病症或出现虫害现象；
(5)如果判断农作物存在病虫害现象，则无人机停留此区域上空，自适应调节高度，计算目标区域面积，返回实时坐标至控制中心，进行下一步；若判断没有出现病虫害现象，则继续重复步骤(1)—(4)；
(6)重复步骤(1)—(5)，直至巡检任务全部完成。


2.根据权利要求1所述的一种基于轻量级卷积神经网络的病虫害检测方法，其特征在于，所述步骤(2)包括以下步骤：
(21)对无人机获取的原始图像利用领域增强算法对无人机获取的图像进行锐化处理，突出物体的边缘轮廓，便于目标识别；
(22)对进行锐化处理的图像使用scikit-image库中的SLIC超像素分割算法，将原始图像进行分割。


3.根据权利要求1所述的一种基于轻量级卷积神经网络的病虫害检测方法，其特征在于，所述步骤(4)包括以下步骤：
(41)从农业病虫害研究图库中获取农作物各生长阶段可能出现的病虫害图片以及健康植株的照片，构成样本集；
(42)将样本库中的样本经过去噪、翻转、平移、裁剪等步骤进行数据预处理，并输入YOLONano模型中进行训练；
(43)将待检测图像输入YOLONano中检测，得出植物健康状况。


4.根据权利要求1所述的一种基于轻量级卷积神经网络的病虫害检测方法，其特征在于，所述步骤(5)包括以下步骤：
(...

【专利技术属性】
技术研发人员：陈可佳，贺琰琛，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32