一种基于卷积神经网络的荞麦病害识别方法技术

本发明专利技术涉及植物技病害识别术领域，具体涉及一种基于卷积神经网络的荞麦病害识别方法，包括：构建荞麦病害识别模型，并训练所述荞麦病害识别模型；基于梯度下降算法和粒子群算法的结合优化所述荞麦病害识别模型的模型参数；获取待识别荞麦的荞麦叶图像；将所述荞麦叶图像输入经过优化的所述荞麦病害识别模型中，识别并输出对应的荞麦病害类型作为荞麦病害识别结果。本发明专利技术中的荞麦病害识别方法能够兼顾识别模型训练效果和训练效率，从而能够有效提升荞麦病害识别的准确性，并降低荞麦病害识别的时间成本。的时间成本。的时间成本。

【技术实现步骤摘要】
一种基于卷积神经网络的荞麦病害识别方法


[0001]本专利技术涉及植物病害识别
，具体涉及一种基于卷积神经网络的荞麦病害识别方法。

技术介绍

[0002]荞麦(Fagopyrum spp.)是一种营养丰富的重要杂粮，其含有蛋白质、纤维素、糖类和抗氧化物质芦丁等对人体健康非常有益的成分，且种植适应性强，耐寒冷、贫瘠，是具有开发潜力的优质作物资源。然而，病害导致荞麦的产量与品质受到极大影响，使得其营养价值、饲用品质等低下。荞麦的病害类型包括：荞麦斑枯病、荞麦菌核病、荞麦立枯病、荞麦轮纹病、荞麦霜霉病、荞麦褐斑病、荞麦病毒病、荞麦白霉病等。因此，准确及时对荞麦病害情况作出辨别，是预防和控制的重要手段。
[0003]现有的荞麦物病害识别手段主要是人工甄别，这种识别方式对专业知识要求高，且效率较低，往往容易错过最佳的控制时期。为此，公开号为CN111967424A的中国专利公开了《一种基于卷积神经网络的荞麦病害识别方法》，其首先，采用基于MSER和CNN结合的方法对荞麦病害区域进行检测，从图像中分离出病害区域与非病害区域；然后，把病害区域图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的荞麦病害识别方法，其特征在于，包括以下步骤：S1：构建荞麦病害识别模型，并训练所述荞麦病害识别模型；S2：基于梯度下降算法和粒子群算法的结合优化所述荞麦病害识别模型的模型参数；S3：获取待识别荞麦的荞麦叶图像；S4：将所述荞麦叶图像输入经过优化的所述荞麦病害识别模型中，识别并输出对应的荞麦病害类型作为荞麦病害识别结果。2.如权利要求1所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，步骤S1中，基于vgg16网络构建所述荞麦病害识别模型；具体通过如下步骤构建所述荞麦病害识别模型：S101：对vgg16网络的卷积层进行分块，得到多个卷积块；S102：去除vgg16网络的密集连接分类器层，得到对应的Conv_base网络；S103：在Conv_base网络的顶部添加Dense层进行网络扩展；S104：将Conv_base网络的最后一个卷积块与Dense层联合，得到对应的荞麦病害识别模型。3.如权利要求2所述的基于卷积神经网络的荞麦病害识别方法，其特征在于：步骤S101中，将vgg16网络的卷积层分成5个卷积块；步骤S104中，冻结Conv_base网络的前4个卷积块，并将前4个卷积块的set_trainable属性设置为Flase；步骤S104中，将Conv_base网络的最后一个卷积块的set_trainable属性设置为True。4.如权利要求2所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，通过如下步骤训练所述荞麦病害识别模型：S111：通过预训练数据集训练Conv_base网络的各个卷积块；S112：对Conv_base网络的各个卷积块进行冻结；S113：解冻Conv_base网络的最后一个卷积块，并通过荞麦病害数据集训练Conv_base网络的最后一个卷积块；S114：将Conv_base网络各个卷积块的输出特征进行融合得到对应的高层特征，将高层特征输入Dense层进行分类。5.如权利要求4所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，步骤S114中，通过如下公式对Conv_base网络各个卷积块的输出特征进行融合：F
oracle
＝[α
×
F
block4
,β
×
F
block5
]；式中：F
oracle
表示高层特征；F
block4
表示前4个卷积块的输出特征；F
block5
表示最后一个卷积块的输出特征；α、β表示权重参数，分别为0.6和0.4。6.如权利要求4所述的基于卷积神经网络的荞麦病害识别方法，其...

【专利技术属性】
技术研发人员：周尚波，刘小娟，
申请(专利权)人：重庆大学，
类型：发明
国别省市：