【技术实现步骤摘要】
一种基于无人机图像的大田小麦赤霉病检测方法
[0001]本专利技术涉及小麦赤霉病自动检测
，尤其是一种基于无人机图像的 大田小麦赤霉病检测方法。
技术介绍
[0002]小麦是世界上最重要的粮食作物之一，其种植面积和产量在各类粮食作物 中均居于首位，小麦的产量和品质对人类生活有着重要的影响。然而，小麦常 常受到赤霉病的感染，小麦赤霉病会给小麦造成产量损失，严重时产量损失可 达30％，而且患有赤霉病的小麦会产生对人体有害的真菌毒素。小麦赤霉病是 由多种镰刀菌引起的，病原菌可在种子和土壤中存活并借由气流、风雨进行传 播，因此，以有效可行的方法快速检测小麦赤霉病并喷洒药剂抑制病菌的传播 至关重要。
[0003]传统的小麦赤霉病检测方法是以人工观测的方式做出相应的病害判断，但 这项工作既费时又易受主观影响。以全新的信息化的方式大范围检测小麦赤霉 病并进行及时的防治是未来农业发展的必然选择。
[0004]计算机视觉与图像处理技术在农业领域的诊断监测应用中已经得到了广 泛的应用，通过对传感器获取的图像进行农作物病害检...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于无人机图像的大田小麦赤霉病检测方法，其特征在于：该方法包括下列顺序的步骤：(1)使用无人机拍摄小麦图像，得到大田小麦图像数据U,将大田小麦图像数据U以2：1的比例划分成训练集U
Train
和测试集U
Test
，使用数码相机在小麦上方30cm至50cm处进行拍摄，获取地面小麦图像数据G；(2)对获取的训练集U
Train
中的小麦图像进行裁剪；(3)使用对偶回归网络对裁剪后的小麦图像进行超分辨率重建；(4)对经超分辨率重建后的小麦图像进行数据增强：将经超分辨率重建后的小麦图像的RGB三个通道的像素值进行3次方后再归一化到0～255范围内，得到增强后的小麦图像数据U
′
；(5)构建小麦赤霉病检测网络：通过YOLOv5、特征增强模块和自适应特征融合模块构建小麦赤霉病检测网络；(6)使用迁移学习方法利用地面小麦图像数据G对小麦赤霉病检测网络进行预训练，再使用训练集U
Train
对小麦赤霉病检测网络进行参数微调：使用标注工具对地面小麦图像数据G和训练集U
Train
中的赤霉病病斑进行标注，使用地面小麦图像数据G训练小麦赤霉病检测网络得到预训练权重P，使用训练集U
Train
训练加载了权重P的小麦赤霉病检测网络，对权重P使用随机梯度下降算法进行优化，得到权重W；(7)加载权重W，将测试集U
Test
中的小麦图像进行裁剪后经过超分辨率重建和数据增强处理，将处理后的图像送到训练好的小麦赤霉病检测网络中进行测试，得到测试结果后进行拼接得到大田小麦赤霉病检测结果。2.根据权利要求1所述的基于无人机图像的大田小麦赤霉病检测方法，其特征在于：所述步骤(3)具体包括以下步骤：(3.1)将分辨率为4H*4W的图像I
HR
进行下采样和卷积操作，得到分辨率为2H*2W的特征I
F
；(3.2)将I
F
下采样得到分辨率大小为H*W的图像I
LR1
；(3.3)使用RCAB残差通道注意力模块对I
F
提取特征，得到分辨率为2H*2W的图像I
LR2
；(3.4)对图像I
LR2
进行特征提取和上采样操作，得到分辨率为4H*4W的超分辨率图像I
SR
；(3.5)将超分辨率图像I
SR
进行卷积和下采样得到分辨率为2H*2W的图像I
′
LR2
和H*W的图像I
′
LR1
；(3.6)计算损失：使用L1损失函数计算I
SR
和I
HR
、I
LR2
和I
′
LR2
以及I
LR1
和I
′
LR1
之间的误差后对这三个误差求和得到损失L
S
，L1损失函数的公式如下：其中，N表示一个图像上像素点的个数，x
i
′
和x
i
分别表示需要计算误差的两张图像上相对位置的像素值；(3.7)根据损失L
S
的值进行梯度反向传播优化对偶回归网络。3.根据权利要求1所述的基于无人机图像的大田小麦赤霉病检测方法，其特征在于：所述步骤(4)具体包括以下步骤：
(4.1)将经过步骤(3)得到的小麦图像分割成R、G、B三个通道；(4.2)将R、G、B三个通道分别输入到一个非线性递增函数，得到R
′
、G
′
、B
′
，非线性递增函数如下所示：Pixel(x
i
，y
i
)
r，g，b
＝Pixel3(x
i
，y
i
)
r，g，b
其中，Pixel(x
i
，y
i
技术研发人员：鲍文霞，柳文强，王年，胡根生，梁栋，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。