一种轻小型网络自适应番茄病害特征提取方法技术

本发明专利技术公开了一种轻小型网络自适应番茄病害特征提取方法，包括：对番茄叶片病害图像进行预处理；通过正形机制将所有预处理后的番茄叶片病害图像朝向统一；构建一种轻小型网络模型，提取所述番茄叶片病害图像的全局特征和感兴趣特征；所述轻小型网络模型包括全局特征提取子网络GFE

【技术实现步骤摘要】
一种轻小型网络自适应番茄病害特征提取方法


[0001]本专利技术涉及精准农业和计算机视觉应用领域，具体涉及一种轻小型网络自适应番茄病害特征提取方法。

技术介绍

[0002]近年来，由于气候变化、授粉者减少、植物病害等多种因素对全球粮食安全构成严重威胁，其中植物病害是导致农产品质量和数量严重下降的重要因素，当农作物得了病害时，其生理机能会大大下降，导致植株瘦小无法达到最优生产状态，从而产量不高经济效益低。其中在番茄的种植过程中，同样有各种病害在严重制约着番茄的生产，常见的有晚疫病、早疫病、叶霉病、花叶病毒病和斑枯病等。
[0003]目前已有的研究工作中，植物病害的检测技术发展历程大致可以划分为三个阶段。第一阶段是人工识别，依靠经验来判断病害类型，这种方法耗时耗力、主观性强并且准确率低。第二阶段是传统的机器学习识别方法，先利用特征工程提取特征，再通过分类器进行分类识别，但基于机器学习的方法仍包含大量的人为影响因素，而且特征提取工程需要在特定的环境下进行，过程复杂。第三阶段是深度学习识别模式，利用神经网络的黑盒特征，不需人工参与特征的选取，实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻小型网络自适应番茄病害特征提取方法，其特征在于，包括：对番茄叶片病害图像进行预处理；通过正形机制将所有预处理后的番茄叶片病害图像朝向统一；构建一种轻小型网络模型，提取所述番茄叶片病害图像的全局特征和感兴趣特征；所述轻小型网络模型包括全局特征提取子网络GFE
‑
Net和感兴趣特征提取子模块FOIE
‑
Block。2.根据权利要求1所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，通过正形机制将所有预处理后的番茄叶片病害图像朝向统一，具体为：将所有番茄叶片病害图像的方向统一为叶尖朝上，叶柄朝下，使得番茄叶片处于图像的中间位置，保证番茄叶片与图像中线的偏离角度不超过
±5°
。3.根据权利要求1或2所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，所述正形机制的工作过程为：获取番茄叶片病害图像；对所述番茄叶片病害图像灰度化处理后并进行高斯滤波；通过Canny算子提取番茄叶片病害图像边缘特征，找最小外接矩形，获取旋转角度θ；利用所述旋转角度θ对原番茄叶片病害图像进行仿射变换。4.根据权利要求1所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，所述全局特征提取子网络GFE
‑
Net，用于对番茄叶片病害图像全局特征进行提取，其包括4个Fire模块、2个卷积层、3个最大池化层、1个全局平均池化层、1个dropout层和1个softmax层。5.根据权利要求4所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，每个Fire模块包括Squeeze层和Expand层，每层仅由1
×
1或3
×
3大小的卷积核组成。6.根据权利要求1所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，所述感兴趣特征提取子模块FOIE
‑
Block，用于对番茄叶片病害图像感兴趣特征进行提取，其包括1个全局平均池化层、2个全连接层、2个激活函数和1矩阵乘法操作。7.根据权利要求1或6所述一种轻小型网络自适应番茄病害特征提取方法，其特征在于，所述感兴趣特征提取子模块FOIE
‑
Block对番茄叶片病害...

【专利技术属性】
技术研发人员：胡玲艳，周婷，汪祖民，许巍，李俐，张超，邱绍航，
申请(专利权)人：大连大学，
类型：发明
国别省市：