虫害识别方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供一种虫害识别方法、装置、电子设备和存储介质，其中方法包括：基于图像复原模型，对待识别的虫害图像中的遮挡区域进行复原，得到虫害图像的复原图像；基于复原图像进行虫害识别，得到虫害识别结果；图像复原模型基于样本虫害图像，以及样本虫害图像的样本复原图像，联合判别模型进行对抗训练得到，引入了生成和对抗机制训练图像复原模型，能够使得训练所得的图像复原模型不仅可以实现遮挡区域的复原，还可以使得输出的复原图像尽可能的贴近于真实复原图像，保证了复原图像的自然度和逼真度，为虫害的精准识别提供了数据支撑，克服了传统方案中因目标被遮挡，以致识别效果不佳的缺陷，实现了虫害识别精确度和准确率的双重提升。双重提升。双重提升。

【技术实现步骤摘要】
虫害识别方法、装置、电子设备和存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种虫害识别方法、装置、电子设备和存储介质。

技术介绍

[0002]近年来，农作物虫害愈演愈烈，给粮食安全带来了严重的威胁，因而，虫害抑制问题也成为了农业领域的重点关注问题。而为了解农作物的虫害状况，通常会在其生长过程中收集大量的图像，以据此识别农作物的虫害类别，从而更好的进行虫害抑制工作。
[0003]然而，当下的虫害识别在实际应用中仍然存在较多的问题，其中，图像完整性问题尤为突出，原因在于：其能够直接影响虫害识别的精准度，简而言之，由于虫害具有较好的隐蔽性，因而收集的图像中虫害目标往往会存在遮挡的情况，此时依据图像进行虫害识别的识别效果往往不佳，即虫害识别所得的识别结果的准确度和可信度不高。

技术实现思路

[0004]本专利技术提供一种虫害识别方法、装置、电子设备和存储介质，用以解决现有技术中因目标被遮挡，以致识别效果不佳的缺陷，实现了虫害识别精确度和准确率的双重提升。
[0005]本专利技术提供一种虫害识别方法，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虫害识别方法，其特征在于，包括：确定待识别的虫害图像；基于图像复原模型，对所述虫害图像中的遮挡区域进行复原，得到所述虫害图像的复原图像；基于所述复原图像进行虫害识别，得到虫害识别结果；所述图像复原模型基于样本虫害图像，以及所述样本虫害图像的样本复原图像，联合判别模型进行对抗训练得到，所述判别模型用于区分预测复原图像与所述样本复原图像，所述预测复原图像是所述图像复原模型基于所述样本虫害图像确定的。2.根据权利要求1所述的虫害识别方法，其特征在于，所述图像复原模型和所述判别模型基于如下步骤训练：基于初始复原模型，对所述样本虫害图像中的遮挡区域进行复原，得到所述样本虫害图像的预测复原图像，基于初始判别模型，确定所述预测复原图像的判别结果，以及所述样本复原图像的判别结果；基于所述预测复原图像，以及所述样本复原图像，确定所述初始复原模型的生成损失，基于所述预测复原图像的判别结果，以及所述样本复原图像的判别结果，确定所述初始判别模型的判别损失；基于所述生成损失和所述判别损失，对所述初始复原模型和所述初始判别模型进行参数更新，得到所述图像复原模型和所述判别模型。3.根据权利要求2所述的虫害识别方法，其特征在于，所述基于所述预测复原图像，以及所述样本复原图像，确定所述初始复原模型的生成损失，包括：分别提取所述预测复原图像中复原区域的区域特征，以及所述样本复原图像中样本区域的区域特征，所述复原区域和所述样本区域对应于所述样本虫害图像中的遮挡区域；基于所述复原区域的区域特征和所述样本区域的区域特征之间的特征相似度，确定所述初始复原模型的生成损失。4.根据权利要求2所述的虫害识别方法，其特征在于，所述初始判别模型包括初始局部判别网络和初始全局判别网络；所述初始局部判别网络用于判别所述预测复原图像的复原区域，以及所述样本复原图像的样本区域的真伪；所述初始全局判别网络用于判别所述预测复原图像和所述样本复原图像的真伪。5.根据权利要求4所述的虫害识别方法，其特征在于，所述基于初始判别模型，确定所述预测复原图像的判别结果，以及所述样本复原图像的判别结果，包括：基于所述初始局部判别网络，确定所述复原区域的判别结果，以及所述样本区域的判别结果，基于所述初始全局判别网络，确定所述预测复原图像的判别结果，以及所述样本复原图像的判别结果；所述基于所述预测复原图像的判别结果，以及所述样本复原图像的判别...

【专利技术属性】
技术研发人员：闫润强，蒋茁，邓柯珀，宋季锟，
申请(专利权)人：河南讯飞人工智能科技有限公司，
类型：发明
国别省市：