基于深度残差卷积神经网络的水稻病害种类识别方法技术

本发明专利技术提供了一种基于深度残差卷积神经网络的水稻病害种类识别方法，运用于计算机视觉领域。通过获取病害水稻照片数据并接收用户对病害水稻照片的数据标注，形成病害识别训练数据；将病害水稻照片按照不同比例缩放，并与原始病害水稻照片混合，提升模型的健壮性；将预设的水稻色值权重占比与病害识别训练数据中的病害类别标注进行关联，由此通过病害识别训练数据和示例数据训练水稻病害识别模型。本发明专利技术利用了病害存在一定色值差异的自然规律，将水稻色值权重占比与病害数据搭建关联作为先验知识，从而提高了水稻早期病害识别率。

【技术实现步骤摘要】
基于深度残差卷积神经网络的水稻病害种类识别方法
本申请涉及计算机视觉
，特别涉及为一种基于深度残差卷积神经网络的水稻病害种类识别方法。
技术介绍
水稻病害是我国的主要农业灾害之一，它具有种类多、影响大、并时常爆发成灾的特点。水稻病害发生时，会对我国国民经济造成重大损失，对粮食供应和物价水平产生重大影响，甚至会引发一系列的社会问题。因此水稻病害的早期诊断和识别，对水稻病害早期的防治，有着关键的作用。但是，水稻病害的识别需要，很多需要专业人士来进行分析，从而得出结论。而大多数种植人员缺乏这方面的知识，会耽误水稻病害的早期防治。近年来，随着深度学习的发展，计算机视觉技术的发展越来越完善，并且被运用于不同的行业中，均取得了较好的效果。因此，考虑使用计算机技术来辅助种植人员进行水稻病害类别的识别。但由于自然界的不稳定性不同位置不同时间拍摄照片色差的存在，容易掩盖水稻病害的真实情况。而且，由于现有的识别模型需固定输入图片的尺寸，无法完全利用高像素图片的信息，无法使用高像素的图片提高识别模型的精度。本专利技术利用了病害存在一定色值差异的自然规律本文档来自技高网...

【技术保护点】
1.一种基于深度残差卷积神经网络的水稻病害种类识别方法，其特征在于，包括：/n获取病害水稻照片数据，并存储至数据库中；/n接收用户输入的病害类别，对病害水稻照片数据进行标注，形成病害识别训练数据；/n修改网络结构以接收不同尺度的照片，将病害水稻照片按照不同比例缩放，获得不同尺度病害水稻照片，与原始病害水稻照片混合，更新病害识别训练数据；/n将预设的水稻色值权重占比与所述病害识别训练数据中的病害类别标注进行关联，获得示例数据；/n通过所述病害识别训练数据和示例数据训练水稻病害识别模型；/n获取水稻照片；/n将所述水稻照片导入至水稻病害识别模型中，通过所述水稻照片中的颜色数据确定对应的病害类别；/...

【技术特征摘要】
1.一种基于深度残差卷积神经网络的水稻病害种类识别方法，其特征在于，包括：
获取病害水稻照片数据，并存储至数据库中；
接收用户输入的病害类别，对病害水稻照片数据进行标注，形成病害识别训练数据；
修改网络结构以接收不同尺度的照片，将病害水稻照片按照不同比例缩放，获得不同尺度病害水稻照片，与原始病害水稻照片混合，更新病害识别训练数据；
将预设的水稻色值权重占比与所述病害识别训练数据中的病害类别标注进行关联，获得示例数据；
通过所述病害识别训练数据和示例数据训练水稻病害识别模型；
获取水稻照片；
将所述水稻照片导入至水稻病害识别模型中，通过所述水稻照片中的颜色数据确定对应的病害类别；
输出识别结果。


2.根据权利要求1所述的基于深度残差卷积神经网络的水稻病害种类识别方法，其特征在于，所述获取病害水稻照片数据的步骤包括：
通过现场采集和网络收集以获取病害水稻照片数据。


3.根据权利要求2所述的基于深度残差卷积神经网络的水稻病害种类识别方法，其特征在于，所述病害识别训练数据需按照不同比例缩放，获得不同尺度病害水稻照片，并且与原始病害水稻照片混合，更新病害识别训练数据，提高系统鲁棒性。


4.根据权利要求1所述的基于深度残差卷积神经网络的水稻病害种类识别方法，其特征在于，所述病害识别训练数据为图片，所述形成病害识别训练数据的步骤之后包括：对所述病害识别训练数据进行预处理，所述预处理包括随机错切、倾斜、旋转、翻转、缩放、亮度变化、色调变化、随机模糊和随机裁剪中的任一项或多项。

【专利技术属性】
技术研发人员：黎赣彤，陈富华，陈文勇，汤胤，
申请(专利权)人：广州艾米生态人工智能农业有限公司，
类型：发明
国别省市：广东;44