一种基于病虫害识别的神经网络模型训练方法技术

本发明专利技术公开了一种基于病虫害识别的神经网络模型训练方法，包括获取病虫害数据集和干扰数据集，根据目标检测算法识别所述病虫害数据集和所述干扰数据集，得到训练好的神经网络模型，本发明专利技术通过获取有标记的有病虫害的果叶图片和有标记的有病虫害的非果园背景的图片，根据上述图片加入到目标检测算法中，得到训练好的神经网络模型，并且采用的病虫害种类多达19类，类别精确到果类病虫害和叶类病虫害，使得检测的病虫害种类更加全面，并且加入抗干扰数据集，使得训练好的神经网络模型识别误差更小，并且能够适应于大部分场景，识别更全面。识别更全面。识别更全面。

【技术实现步骤摘要】
一种基于病虫害识别的神经网络模型训练方法


[0001]本专利技术涉及图像识别领域，尤其涉及一种基于病虫害识别的神经网络模型训练方法。

技术介绍

[0002]在柑橘产业中，病虫害的存在严重制约了其产业规模的发展。病虫害不仅会造成果实品质的下降，还会给果农带来严重的经济损失。由于柑橘果树的病虫害的种类繁多以及相关技术人员的缺乏，对于柑橘果园的病虫害的防治监控带来一定的困难。若有技术通过监控摄像头自动对果园果树生长情况进行监控，并对病虫害类别进行自动识别，向果农预警，则可以有效地在果树发病早期进行防治，满足果农地病虫害防治需求。
[0003]柑橘病虫害种类繁多，现有技术对于柑橘病虫害的识别种类不够全面，对于一些不常见的病虫害也无法得到很好的识别，较难满足病虫害防治需求。
[0004]现有的柑橘病虫害识别多是基于农技人员的主观经验来进行判断，对相关技术人员的依赖性较大，会消耗大量的人力和时间；现有将一些机器学习算法用于柑橘病虫害识别的应用，比如支持向量机(svm)和BP神经网络，但是最终的识别结果精度有限，效果不佳。
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于病虫害识别的神经网络模型训练方法，其特征在于，包括：获取病虫害数据集和干扰数据集；根据目标检测算法识别所述病虫害数据集和所述干扰数据集，得到训练好的神经网络模型。2.根据权利要求1所述的一种基于病虫害识别的神经网络模型训练方法，其特征在于，获取病虫害数据集和干扰数据集，包括：获取各类病虫害的果叶图片和非果园背景的干扰图片；对所述各类病虫害的果叶图片进行病虫害标记，对所述非果园背景的干扰图片添加任意病虫害图标并进行病虫害标记；获得病虫害数据集和干扰数据集，所述病虫害数据集用于表示有标记的有病虫害的果叶图片，所述干扰数据集用于表示有标记的有病虫害的非果园背景的图片。3.根据权利要求1所述的一种基于病虫害识别的神经网络模型训练方法，其特征在于，根据目标检测算法识别所述病虫害数据集和所述干扰数据集，得到训练好的神经网络模型，之前包括：获取待识别的输入图片，并将所述输入图片均匀划分成多个单元；对VGG
‑
16深度网络新增卷积层，获得不同尺度的卷积层；根据Faster R
‑
CNN算法的anchor理念，在每个单元设置尺度不同长宽比不同的先验框；根据所述有标记的有病虫害的果叶图片对所述先验框进行分类，得到先验框分类误差。4.根据权利要求3所述的一种基于病虫害识别的神经网络模型训练方法，其特征在于，根据目标检测算法识别所述病虫害数据集和所述干扰数据集，得到训练好的神经网络模型，包括：将所述有标记的有病虫害的果叶图片输入至所述神经网络模型；将所述先验框分类误差作为损失函数，利用反向传播算法，对所述神经网络模型的权重进行迭代调整，使得损失函数的值下降，当迭代次数达到设定的阈值后，得到训练好的神经网络模型。5.一种基于病虫害识别的神经网络模型训练装置，其特征在于，包括：获取模块：用于获取病虫害数据集和干扰数据集；构建模块：用于根据ssd目标检测算法构建神经网络模型；训练模块：用于根据目标检测算法识别所述病虫害数据集和所述干扰数据集，得到训...

【专利技术属性】
技术研发人员：周祖煜，余敏，王俊霞，陈煜人，李天齐，
申请(专利权)人：杭州领见数字农业科技有限公司，
类型：发明
国别省市：