本发明专利技术涉及人工智能技术领域，公开了一种病虫害识别及模型训练方法、装置、设备及存储介质。该训练方法包括：获取训练样本，对训练样本标注病虫害类别标签以及病虫害等级标签，得到训练数据；构建识别模型，识别模型包括输入层、与输入层连接的特征提取层、与特征提取层连接并用于根据特征提取层的输出识别病虫害类别的第一分支、与特征提取层连接并用于根据特征提取层的输出识别病虫害等级的第二分支以及与第一分支、第二分支连接的输出层；将训练数据输入识别模型对识别模型进行训练，得到训练好的识别模型。通过上述方式，本发明专利技术能够同时识别病虫害的类别以及危害等级，提高识别效率、准确率以及用户体验。准确率以及用户体验。准确率以及用户体验。
【技术实现步骤摘要】
病虫害识别及模型训练方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，特别是涉及一种病虫害识别及模型训练方法、装置、设备及存储介质。
技术介绍
[0002]目前，相关技术只能预测出病虫害的类别，没有给出病虫害严重程度，不能完全满足农业种植险方面对病虫害类别以及严重程度等精细化的要求。
[0003]传统的病虫害调查由农业专家以及农业技术人员进行人工调查，调查的过程耗时耗力，效率低下；而且不同的调查人员对分级标准的理解与识别也是不同的，因主观性导致调查结果也存在误差。
[0004]对于保险公司而言，病虫害无法准确识别导致无法明确赔付等级，做到精准赔付，容易引起保险公司与用户之间的纠纷问题。
技术实现思路
[0005]本专利技术提供一种病虫害识别及模型训练方法、装置、设备及存储介质，能够识别病虫害的类别以及危害等级，提高识别效率、准确率以及用户体验。
[0006]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种病虫害识别模型的训练方法，包括：
[0007]获取训练样本，对所述训练样本标注病虫害类别标签以及病虫害等级标签，得到训练数据；
[0008]构建识别模型，所述识别模型包括输入层、与所述输入层连接的特征提取层、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害类别的第一分支、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害等级的第二分支以及与所述第一分支、所述第二分支连接的输出层；
[0009]将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果；
[0010]根据所述病虫害类别预测结果和对应的病虫害类别标签确定分类损失函数，根据所述病虫害等级预测结果和对应的病虫害等级标签确定回归损失函数，基于所述分类损失函数和所述回归损失函数，利用反向传播算法对所述识别模型进行训练，得到训练好的所述识别模型。
[0011]根据本专利技术的一个实施例，所述将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果之前，还包括：
[0012]对所述训练数据进行光强度归一化处理；
[0013]对光强度归一化处理后的所述训练数据进行图像尺寸转换处理；
[0014]对图像尺寸转换处理后的所述训练数据进行图像分割处理。
[0015]根据本专利技术的一个实施例，所述对所述训练数据进行光强度归一化处理包括：
[0016]获取所述训练数据中的目标位置上的光强度；
[0017]计算所述目标位置区域内的光强度均值以及光强度标准差；
[0018]根据所述光强度、所述光强度均值以及所述光强度标准差计算归一化值，并根据所述归一化值对所述训练数据做光强度归一化处理。
[0019]根据本专利技术的一个实施例，所述第二分支包括分别与所述特征提取层连接的第一池化层和第二池化层、与所述第一池化层和所述第二池化层连接的第一全连接层以及与所述第一全连接层连接的第二全连接层；所述将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果包括：
[0020]将所述训练数据输入所述识别模型的所述输入层中，基于所述特征提取层对所述训练数据进行特征提取处理，得到特征图；
[0021]分别基于所述第一池化层和所述第二池化层对所述特征图进行尺寸压缩处理；
[0022]基于所述第一全连接层对所述第一池化层的输出和所述第二池化层的输出依次进行特征融合处理、非线性变换处理以及过拟合处理；
[0023]基于所述第二全连接层对所述第一全连接层的输出依次进行特征融合处理以及非线性变换处理；
[0024]基于所述输出层将所述第二全连接层的输出进行回归处理，得到所述病虫害等级预测结果。
[0025]根据本专利技术的一个实施例，所述第一分支包括：与所述特征提取层连接的卷积层、与所述卷积层连接的第三池化层、与所述第三池化层连接的第四池化层以及与所述第四池化层连接的第三全连接层；所述将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果包括：
[0026]将所述训练数据输入所述识别模型的所述输入层中，基于所述特征提取层对所述训练数据进行特征提取处理，得到特征图；
[0027]基于所述卷积层对所述特征图进行特征提取处理；
[0028]基于所述第三池化层对所述卷积层的输出进行尺寸压缩处理；
[0029]基于所述第四池化层对所述第三池化层的输出进行二次尺寸压缩处理；
[0030]基于所述第三全连接层对所述第四池化层的输出进行特征融合处理；
[0031]基于所述输出层将所述第三全连接层的输出进行分类处理，得到所述病虫害类别预测结果。
[0032]为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种病虫害识别方法，包括：
[0033]获取待识别图像；
[0034]将所述待识别图像输入训练好的识别模型中，对病虫害类别以及病虫害等级进行预测，得到所述待识别图像的病虫害类别预测结果和病虫害等级预测结果。
[0035]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种病虫害识别模
型的训练装置，包括：
[0036]获取及标注模块，用于获取训练样本，对所述训练样本标注病虫害类别标签以及病虫害等级标签，得到训练数据；
[0037]构建模块，用于构建识别模型，所述识别模型包括输入层、与所述输入层连接的特征提取层、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害类别的第一分支、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害等级的第二分支以及与所述第一分支、所述第二分支连接的输出层；
[0038]预测模块，用于将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果；
[0039]训练模块，用于根据所述病虫害类别预测结果和对应的病虫害类别标签确定分类损失函数，根据所述病虫害等级预测结果和对应的病虫害等级标签确定回归损失函数，基于所述分类损失函数和所述回归损失函数，利用反向传播算法对所述识别模型进行训练，得到训练好的所述识别模型。
[0040]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种病虫害识别装置，包括：
[0041]获取模块，用于获取待识别图像；
[0042]识别本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种病虫害识别模型的训练方法，其特征在于，包括：获取训练样本，对所述训练样本标注病虫害类别标签以及病虫害等级标签，得到训练数据；构建识别模型，所述识别模型包括输入层、与所述输入层连接的特征提取层、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害类别的第一分支、与所述特征提取层连接并用于根据所述特征提取层的输出识别病虫害等级的第二分支以及与所述第一分支、所述第二分支连接的输出层；将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果；根据所述病虫害类别预测结果和对应的病虫害类别标签确定分类损失函数，根据所述病虫害等级预测结果和对应的病虫害等级标签确定回归损失函数，基于所述分类损失函数和所述回归损失函数，利用反向传播算法对所述识别模型进行训练，得到训练好的所述识别模型。2.根据权利要求1所述病虫害识别模型的训练方法，其特征在于，所述将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果之前，还包括：对所述训练数据进行光强度归一化处理；对光强度归一化处理后的所述训练数据进行图像尺寸转换处理；对图像尺寸转换处理后的所述训练数据进行图像分割处理。3.根据权利要求2所述病虫害识别模型的训练方法，其特征在于，所述对所述训练数据进行光强度归一化处理包括：获取所述训练数据中的目标位置上的光强度；计算所述目标位置区域内的光强度均值以及光强度标准差；根据所述光强度、所述光强度均值以及所述光强度标准差计算归一化值，并根据所述归一化值对所述训练数据做光强度归一化处理。4.根据权利要求1所述病虫害识别模型的训练方法，其特征在于，所述第二分支包括分别与所述特征提取层连接的第一池化层和第二池化层、与所述第一池化层和所述第二池化层连接的第一全连接层以及与所述第一全连接层连接的第二全连接层；所述将所述训练数据输入所述识别模型的所述输入层中，通过所述第一分支对病虫害类别进行预测，通过所述第二分支对病虫害等级进行预测，由所述输出层输出病虫害类别预测结果和病虫害等级预测结果包括：将所述训练数据输入所述识别模型的所述输入层中，基于所述特征提取层对所述训练数据进行特征提取处理，得到特征图；分别基于所述第一池化层和所述第二池化层对所述特征图进行尺寸压缩处理；基于所述第一全连接层对所述第一池化层的输出和所述第二池化层的输出依次进行特征融合处理、非线性变换处理以及过拟合处理；基于所述第二全连接层对所述第一全连接层的输出依次进行特征融合处理以及非线
性变换处理；基于所述输出层将所述第二全连接层的输出进行回归处理，得到所述病虫害等级预测结果。5.根据权利要求1所述病虫害识别模型的训练方法，其特征在于，所述第一分支包括：与所述特征提取...
【专利技术属性】
技术研发人员：尹高，
申请(专利权)人：中国平安财产保险股份有限公司，
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。