一种农作物病虫害叶片识别系统、识别方法及病虫害预防方法技术方案

一种农作物病虫害叶片识别系统、识别方法及病虫害预防方法，属于图像识别领域。问题。一种农作物病虫害叶片识别系统、识别方法及病虫害预防方法，采用嵌入式图像预处理技术获得昆虫图像的颜色特征和纹理特征的信息，判断是否可能受到病虫侵害；采集农作物病虫害叶片的图像，搭载pytorch框架平台，结合深度残差网络和Adam算法利用采集的农作物病虫害叶片图像对卷积神经网络进行训练；利用训练好的卷积神经网络测试待识别的可能受到病虫害的叶片测试集图像；对识别出的受病虫害的叶片的患病分类并采取预防措施。本发明专利技术提高农作物病虫害智能识别率。识别率。识别率。

【技术实现步骤摘要】
一种农作物病虫害叶片识别系统、识别方法及病虫害预防方法


[0001]本专利技术涉及一种农作物病虫害叶片识别系统、识别方法及病虫害预防方法。

技术介绍

[0002]我国国内对农作物病虫害的识别主要还是靠专家在现场进行诊断，这种方法效率低、时效差，远远不能满足我国农业发展的需求。我国农民的接收科技知识能力不高，不能掌握农作物病虫害的发生与发展，往往会错过最佳防治期，在病虫害发生较重时，才大剂量地喷酒农药，使农产品农药残留超标，且严重污染环境。
[0003]对病虫害的智能识别研究起步晚，由于技术性、成本等问题，目前主要还限于实验室，很难推广应用到农田间。粮食科技发展的一个任务就是实现病虫害的智能识别。于是国内出现了包括：农田中害虫实时检测系统、根据棉花叶片的孔洞及叶片边缘的残缺，来测定棉花虫害的受害程度、作物病害的远程图像识别与诊断技术，以及采用基于粗糙集的神经网络进行分类识别的方法。
[0004]虽然以上研究方法能够反应在现代科技快速发展的支持下的先进性，但是目前农作物叶片病虫害识别还停留在实验室阶段并未得到广泛应用。例如是在实验时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：所述方法通过以下步骤实现：采用履带形式的灯诱装置实时采集农作物生长环境中的昆虫图像并采用嵌入式图像预处理技术进行图像预处理，依据预处理后的昆虫图像的颜色特征和纹理特征的信息，判断农作物是否有可能受到病虫侵害，若是，则进行下一步的叶片图像识别及农作物病虫害预防的步骤；若否，则不进行预防操作，并返回至初始步骤；叶片图像识别及农作物病虫害预防的步骤：采集农作物病虫害叶片的图像，通过信息传输方法传输至处理及后端服务端，在处理及后端服务端搭载pytorch框架平台，结合深度残差网络和Adam算法利用采集的农作物病虫害叶片图像对卷积神经网络进行训练；利用训练好的卷积神经网络测试待识别的可能受到病虫害的叶片测试集图像；之后，对识别出的受病虫害的叶片进行农作物患病类型的分类，针对农作物患病类型采取喷洒农药或者捕杀害虫的措施。2.根据权利要求1所述一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：采用履带形式的灯诱装置实时采集农作物生长环境中的昆虫图像的步骤是，运用灯诱害虫图像采集设备，调用Linux的V4L2图像编程接口及其扩展接口，完成图像采集设备的选择、图像采集设备的分辨率设定的步骤；之后，打开V4L2图像流采集开关，从而完成图像的采集。3.根据权利要求1所述一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：所述的嵌入式图像预处理的步骤，主要包括：图像的Ostu自适应阈值提取、图像二值化、膨胀腐蚀、图像轮廓提取、图像空洞填充、图像分割、图像旋转的操作，分离出虫子个体，同时将虫子个体分割成子图片；从而对每个昆虫子图片提取特征，包括颜色特征和纹理特征。4.根据权利要求1所述一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：所述的搭载pytorch框架平台，结合深度残差网络和Adam算法对农作物病虫害叶片图像进行训练的步骤，使用pytorch框架中的torchvision.models加载模型和pretrained models预训练模型搭建深度残差网络结构，并结合Adam算法，对农作物叶片图片进行预处理提取叶片病虫害图像的特征信息，将这些图片信息录入训练集之中，然后通过对神经网络的训练，将神经网络各个神经元之间的参数固定，再调用训练好的模型识别测试集照片中农作物叶片的病虫害信息具体为：搭载pytorch框架开发环境下进行，先对采集病虫害叶片的图像进行参数定义、数据加载、数据处理的操作，编写ResNet50模型，利用pytorch框架中的torchvision.models加载模型和pretrained models预训练模型搭建深度残差网络结构，并结合Adam算法，使用pycharm软件运行程序，对农作物叶片图片进行预处理提取叶片病虫害图像的特征信息，将这些图片信息录入训练集之中，然后通过对神经网络的训练，将神经网络各个神经元之间的参数固定，再调用训练好的模型识别测试集照片中农作物叶片的病虫害信息。5.根据权利要求4所述的一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：所述的使用pytorch框架中的torchvision.models加载模型和pretrained models预训练模型搭建深度残差网络结构，并结合Adam算法，对农作物叶片图片进行预处理提取叶片病虫害图像的特征信息的步骤，具体为：
结合Adam算法，利用对梯度的一阶矩估计和二阶矩估计的数学特性，动态地调整每个参数的学习率，迭代过程如下：假设在t时刻，目标函数对参数求导结果为d
t
，首先计算梯度一阶矩估计和二阶矩估计：m
t
＝μ*m
t
‑1+(1
‑
μ)*d
t
n
t
＝v*n
t
‑1+(1
‑
v)*d
t2
然后计算：然后计算：最后得到梯度更新公式：其中m
t
和n
t
分别为对梯度一阶矩估计和二阶矩估计，含义是对梯度的一阶导数、二阶导数期望E[d
t
]和E[d
t2
]的估计；m
′
t
和n
′
t
是对m
t
和n
t
的校正，近似地认为是对两个期望的无偏估计；μ和ν是一阶矩估计和二阶矩估计的指数衰减参数，是两个取值很小的常数；η是学习率，取值范围是0到1，它是影响权值更新速度的参数；ε是一个取值很小的常数，是为了防止计算时分母为0而设定的；可以看出直接对梯度求一阶矩估计和二阶矩估计主要是乘除运算，它们相比指数运算消耗的CPU资源非常少。而且当前时刻的梯度更新利用了上一时刻的梯度矩估计m
t
‑1和n
t
‑1；该常数取值分别为μ＝0.9，ν＝0.999，ε＝10
‑8，η＝0.001。6.根据权利要求1所述一种农作物病虫害叶片识别及病虫害预防方法，其特征在于：所述的对识别出的受病虫害的叶片进行农作物患病类型的分类的步骤具体为：首先，对农作物病虫害叶片图像进行分类，按物种、病害、程度三种条件，分类为61个类别、10个物种、27种病害、10个健康分类；其中，27种病害又又分一般和严重两种程度。7.一种应用于上述农作...

【专利技术属性】
技术研发人员：张旭辉，王琳琳，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：