一种苹果叶部病理检测方法技术

本发明专利技术公开了一种苹果叶部病理检测的方法，对五类叶部病害：斑点落叶病、褐斑病、花叶病、灰斑病、锈病进行识别检测。针对以下问题：较小的目标难以识别；部分背景区域被识别为目标；重复识别目标。采取步骤包括：采用了轻量级特征融合结构，融合高低层特征图特征，其次引入通道注意力机制，提取更有效的病斑小目标特征信息，同时加入焦点损失函数，减少了训练中大量简单负样本的权值，最后对5类苹果叶部测试公共数据集检验。本发明专利技术所提方法FS

【技术实现步骤摘要】
一种苹果叶部病理检测方法


[0001]本专利技术提出一种苹果叶部病理检测方法，涉及目标检测领域。

技术介绍

[0002]由于农作物在生长初期容易感染上各种病害，而初期其果实一般还未成形，保果的基础是保叶。苹果的质量与产量一直备受果农的关注。传统的识别苹果病害主要靠果农或农业专家用肉眼去识别，传统上的农作物病害检测识别，主要还是依赖于农民在实际农业生产过程中积累的自身经验，凭感觉来对农作物病害种类进行判断。这种方法完全依赖于个人的肉眼观察，主观性强、速度慢、实时性差、病害面积难以统计、误判率高，往往在作物的病害比较严重时才能识别，这样不仅耽误了病情，且不能根据实际的病害程度来进行相应的防治工作。这显然是一个巨大的工程，耗时耗力不说，效率也十分低下，特别是对于苹果树这种比较大型的果树，想要具体了解病害类型，必须借助梯子攀爬去了解中间层以及顶层叶片的病害情况；而从事果园种植的人群基本是中老年人，他们一般腿脚不便，借助梯子攀爬显然具有一定的危险性。同时，鉴于个人对病害类别的区分能力不同，便得不到一个相对权威的检测结果，这些不够权威的结果明显会导致果树错本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种苹果叶部病理检测方法，其特征在于，所述的苹果叶部病理方法包括以下步骤:步骤1、数据集预处理，利用“Lable Image”进行五类病害的标注；步骤2、将单点多盒探测器(Single Shot MultiBox Detector，SSD)网络中的浅层细节与高层语义结合起来，补充细节信息在基本不增加原有模型计算量的情况下进行特征融合；步骤3、加入注意力机制中的通道注意力机制，不再平均考虑特征图中所有通道的特征信息，而是对特征图的各通道赋予不同的权值，根据权值大小对特征通道进行筛选，使模型聚焦于更有效的特征；步骤4、加入焦点损失函数(Focal Loss)，降低了大量简单负样本在训练中所占的权重进而改善误检的情况。2.根据权利要求1所述的一种苹果叶部病理检测方法，其特征在于，步骤1中，数据集预处理，利用“Lable Image”进行五类病害的标注，包括如下步骤：步骤11、利用“Lable Image”工具对数据集图像中的五种病害做标注，图片标注格式为PACAL VOC。3.根据权利要求1所述的一种苹果叶部病理检测方法，其特征在于，步骤2中，融合SSD网络中的某些浅层细节与高层语义的特征，补充细节信息，包括如下步骤：步骤21、用于将不同尺度的特征图在合并前做些预处理操作；先使用1*1卷积降低特征图的通道数，并将VGG
‑
16中conv4_3尺度设置为基准尺度(对应步长为8，尺度：38
×
38)，通过设置Conv6_2的步长1，则Conv7_2的分辨率也为10*10。对于尺度小于38*38的特征图的FC7和Conv7_2就需要使用双线性插值(Bilinear Interpolation)做上采样操作，使之尺度缩放为38*38pix；经过以上操作，所有特征图在合并前，空间维度信息就保持一致了；步骤22、将通过尺度变化的VGG16的fc7、额外层conv7_2与Conv4_3 接得到一个合并层，在该步骤中，合并层的尺寸为768(256+256+256)；步骤23、BN操作以正则化得到的合并层，该层的像素数量减小到512，公式如下：X
f
＝φ
f
{T
i
(X
i
)}i∈C
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)X'
p
＝φ
p
(X
f
)p∈P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)loc,class＝φ
c
,l(∪{X'
p
})p∈P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中X
i
,i∈C表示原始各层的特征图；T
i
表示在融合前，每层特征图的X
i
都需要做一个转换函数，也即缩放到同一尺度；φ
f
表示特征融合函数；φ
p
表示基于融合后的X
f
，生成新的特征金字塔函数；φ
c
...

【专利技术属性】
技术研发人员：邹波蓉，王康佳，王伟东，刘军，张恺，李辉，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：