【技术实现步骤摘要】
一种基于深度学习目标检测和图像识别的作物病害检测方法
[0001]本专利技术涉及图像识别
，具体为一种基于深度学习目标检测和图像识别的作物病害检测方法。
技术介绍
[0002]中国耕地面积排世界第3位,作为一个人口大国,保障粮食不仅关系到人民福祉也同时会影响社会安定，而农作物病虫害对农业影响巨大，因此对农作物的病虫害进行准确的识别并推荐合适的防治措施,对于农业生产意义重大。随着计算机技术的发展,图像识别算法开始运用到作物病虫害识别过程中。传统的图像识别技术在对图像进行预处理后提取图像的颜色纹理等的特征，基于这些提取的特征值进行线性建模。然而这种传统的图像识别方法，局限性大，对非线性数据的识别成功率很低，因而在农作物病害检测中,其模型的识别成功率非常不理想。
[0003]因此，亟需识别准确率更高的作物病害检测方法，提升作物病虫害检测效率，降低检测成本。
技术实现思路
[0004]本专利技术的目的在于提供一种基于深度学习目标检测和图像识别的作物病害检测方法，以解决上述
技术介绍
中提出的问题。
...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习目标检测和图像识别的作物病害检测方法，其特征在于，包括作物病害图像采集模块、作物病害图像处理模块、作物病害图像识别模块，所述作物病害图像处理模块包括图像增强单元、图像复原单元、图像编码与压缩单元、图像分割单元，所述作物病害图像识别模块通过识别模型对经过作物病害图像处理模块处理的图像进行识别；识别模型包括数据集制作模块和训练识别模型模块，所述数据集制作模块包括图像获取单元、图像调整单元、图像扩充单元和数据集划分单元，所述训练识别模型模块采用利用ResNet50卷积神经网络算法对数据集进行深度特征提取，所述训练识别模型模块利用SVM分类器对深度特征进行分类。2.根据权利要求1所述的一种基于深度学习目标检测和图像识别的作物病害检测方法，其特征在于：所述数据集制作模块中的图像获取单元采用高清照相机在作物自然生长环境下进行病虫害图片采集。3.根据权利要求1所述的一种基于深度学习目标检测和图像识别的作物病害检测方法，其特征在于：所述数据集制作模块中的图像扩充单元，通过对获取到的病虫害图像进...
【专利技术属性】
技术研发人员：赵绪东，吴桢芬，杨启良，毛译，余红，赵涵，李跃聪，
申请(专利权)人：昆明理工大学，
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。