一种病虫害识别方法、装置、设备及可读存储介质制造方法及图纸

本申请提供一种病虫害识别方法、装置、设备及可读存储介质，涉及农业互联网技术领域，该方法包括：获取终端设备所采集的病虫害图像；提取病虫害图像的病害部位特征，并与预先存储的特征进行匹配，得到病虫害的初步识别结果；根据终端设备的位置信息，获取当地特定时间段内的气象信息，将气象信息与该病虫害的发生条件进行比对，根据比对结果确定病虫害的识别准确率；若识别准确率高于预设阈值，则向终端设备发送病虫害初步识别结果。这样，通过多重比较确认病虫害，确保病虫害识别结果的准确性，进而及时进行防治，减小病虫害对于农业生产造成的不利影响。产造成的不利影响。产造成的不利影响。

【技术实现步骤摘要】
一种病虫害识别方法、装置、设备及可读存储介质


[0001]本申请属于农业互联网
，尤其涉及一种病虫害识别方法、装置、设备及可读存储介质。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]农业是支撑国民经济建设与发展的最重要的产业，在农业生产中，病虫害一直是影响农作物生长的重要因素，更是造成作物减产低产低品的原因，如植物在生长发育、储藏运输和销售的过程中，常会遭到各种病虫危害，使植物的产量和品质受到影响，降低经济价值。与此同时，在防治病虫害的过程中，用药不当也常会使植物产生药害，导致人畜中毒，污染环境进而破坏生态平衡。因此，在实现农业现代化、数字化的进程中，病虫害的识别与防治工作具有不可替代的重要地位。
[0004]现阶段对于病虫害的识别，主要依靠少数专业的植保员、专家等通过实地考察，深入生产场景接触作物以及肉眼观察来判断，这种方法识别效率低，需消耗大量的人力物力。尤其对于交通不便的部分地区，专业人员无法及时赶到现场进行识别，只能依靠种植户口述等方式进行判断，种植户对于专业知识的缺乏而很难详细准确的描述病虫害的主要特征，导致无法准确判断病虫害类型，进而无法进行有效地防治，造成无法挽回的损失。

技术实现思路

[0005]为克服现有技术的不足，本申请提供一种病虫害识别方法、装置和系统，首先根据病害部位特征确定病虫害的初步识别结果，然后将当地气象信息与病虫害发生条件进行比对，确定病虫害的识别准确率，在识别准确率高于预设阈值的前提下，将病虫害初步识别结果发送给终端设备，以通过多重比较确认病虫害，确保病虫害识别结果的准确性。
[0006]本申请采用的技术方案如下：
[0007]第一方面，本专利技术实施例提供一种病虫害识别方法，包括：
[0008]获取终端设备所采集的病虫害图像；
[0009]提取所述病虫害图像的病害部位特征，并与预先存储的特征进行匹配，得到病虫害的初步识别结果；
[0010]根据所述终端设备的位置信息，获取当地特定时间段内的气象信息，将所述气象信息与该病虫害的发生条件进行比对，根据比对结果确定病虫害的识别准确率；
[0011]若所述识别准确率高于预设阈值，则向所述终端设备发送病虫害初步识别结果。
[0012]在一种可能的实施方式中，在确定病虫害的识别准确率之后，还包括：
[0013]若所述识别准确率不高于预设阈值，则将初步识别结果和病害部位特征发送至专家站，并接收专家站反馈的鉴定结果，将所述鉴定结果发送至终端设备。
[0014]在一种可能的实施方式中，获取作物病虫害图谱，并进行标注，得到病虫害数据
集；
[0015]采用yolov5对病虫害数据集进行训练，得到病虫害识别模型；
[0016]将所述病虫害图像输入至病虫害识别模型中，输出得到初步识别结果。
[0017]在一种可能的实施方式中，采用labelme对病虫害数据集进行人工标注；将标注信息转换为yolov5所需要的格式，并进行模型的训练；获取在验证集上准确率最高的模型，将其作为病虫害识别模型。
[0018]在一种可能的实施方式中，所述初步识别结果包括病虫害的具体病变位置以及病变的类别信息。
[0019]在一种可能的实施方式中，所述气象信息包括但不限于温度、湿度、降雨、风力中的一个或多个；将各项气象信息与初步识别结果的发生条件进行比对，根据比对结果确定各项气象信息对应的指标系数；将各指标系数的乘积确定为病虫害的识别准确率。
[0020]在一种可能的实施方式中，还包括：获取病虫害相对应的防治方法并记录相关数据，以用于指导种植户快速解决病虫害对作物造成的危害，确保作物的生长发育。
[0021]第二方面，本申请实施例提供一种病虫害识别装置，包括：
[0022]图像获取模块，用于获取终端设备所采集的病虫害图像；
[0023]特征匹配模块，用于提取所述病虫害图像的病害部位特征，并与预先存储的特征进行匹配，得到病虫害的初步识别结果；
[0024]信息比对模块，用于根据所述终端设备的位置信息，获取当地特定时间段内的气象信息，将所述气象信息与该病虫害的发生条件进行比对，根据比对结果确定病虫害的识别准确率；
[0025]发送模块，用于若所述识别准确率高于预设阈值，则向所述终端设备发送病虫害初步识别结果。
[0026]第三方面，本专利技术实施例提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述第一方面和第一方面任一种可能的实施方式中所述的病虫害识别方法的步骤。
[0027]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面和第一方面任一种可能的实施方式中所述的病虫害识别方法的步骤。
[0028]本申请的有益效果：
[0029](1)首先根据病害部位特征确定病虫害的初步识别结果，然后将当地气象信息与病虫害发生条件进行比对，根据比对结果确定病虫害的识别准确率，在识别准确率高于预设阈值的前提下，将病虫害初步识别结果发送给终端设备，以通过多重比较确认病虫害，确保病虫害识别结果的准确性。
[0030](2)在确定识别准确率不高于预设阈值时，将初步识别结果和病害部位特征发送至专家站，并接收专家站反馈的鉴定结果，将所述鉴定结果发送至终端设备，以快速得到准确的鉴定结果，及时地消除病虫害对于农业生产造成的不利影响。
附图说明
[0031]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0032]图1是本申请实施例所提供的病虫害识别方法的流程示意图；
[0033]图2是本申请另一实施例所提供的病虫害识别方法的流程示意图；
[0034]图3是本申请实施例所提供的基于yolov5病虫害识别模型流程图；
[0035]图4是本申请实施例所提供的病虫害识别装置的结构示意图；
[0036]图5是本申请实施例所提供的一种计算机设备的示意图。
具体实施方式
[0037]下面结合附图与实施例对本专利技术作进一步说明。
[0038]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0039]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病虫害识别方法，其特征在于，包括：获取终端设备所采集的病虫害图像；提取所述病虫害图像的病害部位特征，并与预先存储的特征进行匹配，得到病虫害的初步识别结果；根据所述终端设备的位置信息，获取当地特定时间段内的气象信息，将所述气象信息与该病虫害的发生条件进行比对，根据比对结果确定病虫害的识别准确率；若所述识别准确率高于预设阈值，则向所述终端设备发送病虫害初步识别结果。2.根据权利要求1所述的病虫害识别方法，其特征在于，在确定病虫害的识别准确率之后，还包括：若所述识别准确率不高于预设阈值，则将初步识别结果和病害部位特征发送至专家站，并接收专家站反馈的鉴定结果，将所述鉴定结果发送至终端设备。3.根据权利要求1所述的病虫害识别方法，其特征在于，获取作物病虫害图谱，并进行标注，得到病虫害数据集；采用yolov5对病虫害数据集进行训练，得到病虫害识别模型；将所述病虫害图像输入至病虫害识别模型中，输出得到初步识别结果。4.根据权利要求3所述的病虫害识别方法，其特征在于，采用labelme对病虫害数据集进行人工标注；将标注信息转换为yolov5所需要的格式，并进行模型的训练；获取在验证集上准确率最高的模型，将其作为病虫害识别模型。5.根据权利要求3所述的病虫害识别方法，其特征在于，所述初步识别结果包括病虫害的具体病变位置以及病变的类别信息。6.根据权利要求1所述的病虫害识别方法，其特征在于，所述气象信息包括但不限于温度、...

【专利技术属性】
技术研发人员：张新宇，石秋发，王莹，王春伟，刘晓通，齐守庆，庞程帅，
申请(专利权)人：山东华丰数字科技有限公司，
类型：发明
国别省市：