病虫害识别智能终端应用方法及系统技术方案

本发明专利技术提供了一种病虫害识别智能终端应用方法，所述方法包括：建立病虫害的视觉特征指标及图像数据库；根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别。上述病虫害识别智能终端应用方法，先建立病虫害的视觉特征指标及图像数据库，然后根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别，以快速准确地识别出待识别农作物的病虫害类别，进而方便防治，提高了防治效果。提高了防治效果。提高了防治效果。

【技术实现步骤摘要】
病虫害识别智能终端应用方法及系统


[0001]本专利技术涉及
，特别涉及一种病虫害识别智能终端应用方法及系统。

技术介绍

[0002]我国农业经济发展进入新阶段以来，各地区对植物病虫害防治工作重视程度越来越高，特别是利用科学技术和技巧对常见病虫害进行预防处理的意识越来越强。当前各农作物种植业发达地区已经形成了重大病虫害监测、防治、处理技术体系，在技术人员配置和管理水平方面都取得了不错成绩。但由于农作物行业很多时候还存在供不应求情况，加上科学技术应用管理存在缺陷，其中仍然存在着一些问题。
[0003]当前我国农作物病虫害防治技术现状和问题主要表现如下：1.病虫害预测准确性低；2.过度依赖药剂且选择不合理；3.前期防治意识不足且配套机制不完善。

技术实现思路

[0004]本专利技术的目的是提供一种病虫害识别智能终端应用方法，以解决现有的农作物病虫害防治技术存在的问题。
[0005]本专利技术提供了一种病虫害识别智能终端应用方法，所述方法包括：建立病虫害的视觉特征指标及图像数据库；根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别。
[0006]上述病虫害识别智能终端应用方法，先建立病虫害的视觉特征指标及图像数据库，然后根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别，以快速准确地识别出待识别农作物的病虫害类别，进而方便防治，提高了防治效果。
[0007]进一步地，所述病虫害识别智能终端应用方法包括：通过MAMC的病变分类模型对所述待识别农作物进行识别，以获得所述待识别农作物的病变类型。
[0008]进一步地，所述建立病虫害的视觉特征指标及图像数据库的步骤之后，所述方法还包括：通过MobileDet的目标检测网检测所述待识别农作物，以检测是否病变是否病变。
[0009]进一步地，所述病虫害识别智能终端应用方法包括：通过EfficientNetV2算法识别所述待识别农作物的叶片是否病变；通过YOLOv4和双线性网络识别所述待识别农作物的病变类型。
[0010]进一步地，建立所述图像数据库的方法包括：定义害虫类别、叶片是否为虫害图片，并根据标准建立对应的所述图像数据库。
[0011]进一步地，建立所述视觉特征指标的方法包括：通过专业人士对农作物的每一个病害描述关键的识别特征，硬件类视觉特征指
标。
[0012]进一步地，所述通过YOLOv4和双线性网络识别所述待识别农作物的病变类型的方法包括：通过YOLOv4对所述当前待识别农作物进行密集检测和稀疏检测，以检测并识别害虫的输入特征；通过双线性网络考察输入特征的不同尺度下的关系，以提取了不同的语义特征，进而识别出所述待识别农作物的病变类型。
[0013]进一步地，所述病虫害识别智能终端应用方法包括通过GAN网络生成所述待识别农作物的病害数据；通过SENet识别所述待识别农作物的病害类别。
[0014]进一步地，所述病虫害识别智能终端应用方法包括：通过EfficientNet识别所述待识别农作物的叶片是否病变；通过YOLOv4和双线性网络识别所述待识别农作物的病变类型。
[0015]本专利技术还提供了一种病虫害识别智能终端应用系统，包括：固定摄像头，所述固定摄像头包括第一算力视频编码主控芯片和第一数据传输模块；移动摄像头，所述移动摄像头包括第二算力视频编码主控芯片、第二数据传输模块以及第一电池模块；无人机摄像头，所述无人机摄像头包括第三算力视频编码主控芯片、第三数据传输模块以及第二电池模块；所述第一算力视频编码主控芯片、所述第二算力视频编码主控芯片以及所述第三算力视频编码主控芯片内均设有病虫害识别智能终端应用方法。
附图说明
[0016]图1为本专利技术第一实施例中的病虫害识别智能终端应用方法的流程图；图2为本专利技术实施例中的基于GAN网络的茶叶病害数据生成算法的示意图；图3为本专利技术实施例中的基于SENet深度网络模型的茶叶病害识别算法的示意图；图4为本专利技术实施例中的基于EfficientNet深度网络模型的虫害叶片识别算法的示意图；图5为本专利技术实施例中的基于YOLOv4深度模型的害虫虫体类别识别算法的示意图；图6为本专利技术实施例中的NAS网络层权重共享策略的示意图；图7为本专利技术实施例中的NAS搜索策略的示意图；图8为本专利技术实施例中的基于MAMC的水稻病害分类算法网络结构的示意图；图9为本专利技术实施例中的MAMC引入带来的特征分布的变化的示意图；图10为本专利技术实施例中的基于EfficientNetV2深度网络模型的虫害叶片识别算法的示意图；图11为本专利技术实施例中的基于YOLOv4深度模型+双线性网络的害虫虫体检测的示意图；
图12为本专利技术第二实施例中的病虫害识别智能终端应用系统的模块图。
[0017]主要元件符号说明：如下具体实施方式将结合上述附图进一步说明本专利技术。
具体实施方式
[0018]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的若干个实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。
[0019]需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0020]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0021]请参阅图1，本专利技术第一实施例提供的一种病虫害识别智能终端应用方法，所述方法包括步骤S01和步骤S02：步骤S01，建立病虫害的视觉特征指标及图像数据库；具体的，在本实施例中，建立所述图像数据库的方法包括：定义害虫类别、叶片是否为虫害图片，并根据标准建立对应的所述图像数据库。建立所述视觉特征指标的方法包括：通过专业人士对农作物的每一个病害描述关键的识别特征，硬件类视觉特征指标。
[0022]步骤S02，根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别。
[0023]上述病虫害识别智能终端应用方法，先建立病虫害的视觉特征指标及图像数据库，然后根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识
别农作物进行病虫害识别，以快速准确地识别出待识别农作物的病虫害类别，进而方便防治，提高了防治效果。
[0024]在本专利技术的一个实施例中，针对陕西省安康茶叶的常见病害，提供了病虫害识别智能终端应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病虫害识别智能终端应用方法，其特征在于，所述方法包括：建立病虫害的视觉特征指标及图像数据库；根据所述视觉特征指标、所述图像数据库和病虫害识别智能终端应用方法对待识别农作物进行病虫害识别。2.根据权利要求1所述的病虫害识别智能终端应用方法，其特征在于，所述病虫害识别智能终端应用方法包括：通过MAMC的病变分类模型对所述待识别农作物进行识别，以获得所述待识别农作物的病变类型。3.根据权利要求1所述的病虫害识别智能终端应用方法，其特征在于，所述建立病虫害的视觉特征指标及图像数据库的步骤之后，所述方法还包括：通过MobileDet的目标检测网检测所述待识别农作物，以检测是否病变是否病变。4.根据权利要求1所述的病虫害识别智能终端应用方法，其特征在于，所述病虫害识别智能终端应用方法包括：通过EfficientNetV2算法识别所述待识别农作物的叶片是否病变；通过YOLOv4和双线性网络识别所述待识别农作物的病变类型。5.根据权利要求1所述的病虫害识别智能终端应用方法，其特征在于，建立所述图像数据库的方法包括：定义害虫类别、叶片是否为虫害图片，并根据标准建立对应的所述图像数据库。6.根据权利要求1所述的病虫害识别智能终端应用方法，其特征在于，建立所述视觉特征指标的方法包括：通过专业人士对农作物的每一个病害描述关键的识别特征，硬件类视觉特征指标。7.根据权利要求1所述的病虫害...

【专利技术属性】
技术研发人员：王仁勇，
申请(专利权)人：深圳市熠摄科技有限公司，
类型：发明
国别省市：