一种林业病虫害自动识别方法及装置制造方法及图纸

本发明专利技术实施例公开了一种林业病虫害自动识别方法及装置,所述方法包括：获取目标图像，所述目标图像中包含至少一种待识别病虫害的图像信息；将所述目标图像输入预先训练的识别模型中，以得到病虫害识别结果；其中，所述识别模型是基于预先构建的深度学习网络利用病虫害样本数据进行训练得到的，所述病虫害样本数据包括图像样本和与所述图像样本对应的类别标签。解决了现有技术中病虫害识别成本较高，识别结果的准确性较差的技术问题。识别结果的准确性较差的技术问题。识别结果的准确性较差的技术问题。

【技术实现步骤摘要】
一种林业病虫害自动识别方法及装置


[0001]本专利技术涉及人工智能
，具体涉及一种林业病虫害自动识别方法及装置。

技术介绍

[0002]在林业生态环境建设的过程中，植物会受到自然灾难和病虫害的双重影响，而病虫害对植物的成长影响更为频繁，会导致植物发育不良、甚至死亡，从而影响森林生态系统构，对林业经济造成重大损失。为了有效的进行病虫害防治，传统林业管理投入了大量的人力、物力和财力进行现场病虫害调查、采集，但是，传统的方法人力成本较高，且病虫害的识别结果会较大受人员的专业知识和经验的影响，
[0003]为了降低人力成本，现有技术提出了一种基于多光谱的病虫害检测识别方法，该识别方法利用无人机搭载的多光谱相机采集检测区域植被的多光谱影像，然后对多光谱影像进行分析，获取植被指数，进而分析植被健康情况。但是，现有技术中的方法是利用无人机获取并分析多光谱影像获取植被的健康情况的，而光谱受周围环境影响很大，分析精度不高，并且通过植被健康情况分析病虫害受个人专业知识和经验影响依然很大，导致识别结果的准确性较差。
[0004]因此，提供一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种林业病虫害自动识别方法，其特征在于，所述方法包括：获取目标图像，所述目标图像中包含至少一种待识别病虫害的图像信息；将所述目标图像输入预先训练的识别模型中，以得到病虫害识别结果；其中，所述识别模型是基于预先构建的深度学习网络利用病虫害样本数据进行训练得到的，所述病虫害样本数据包括图像样本和与所述图像样本对应的类别标签。2.根据权利要求1所述的林业病虫害自动识别方法，其特征在于，基于预先构建的深度学习网络利用病虫害样本数据进行训练得到所述识别模型，具体包括：采集海量病虫害样本的图像信息，并对所有图像信息进行预处理，以得到所述图像样本；对所述图像样本分别进行类别标注，以得到包括图像样本和与所述图像样本对应的类别标签的病虫害样本数据；将所述病虫害样本数据输入预先构建的深度学习网络中进行训练，以得到所述识别模型。3.根据权利要求2所述的林业病虫害自动识别方法，其特征在于，采集海量病虫害样本的图像信息，并对所有图像信息进行预处理，以得到所述图像样本，具体包括：对捕捉到的病虫害活体进行多个维度的图像采集，并利用采集到的图像构建林业病虫害数据集；对所述林业病虫害数据集中的所有图像进行图像处理，以得到所述图像样本。4.根据权利要求3所述的林业病虫害自动识别方法，其特征在于，所述图像处理至少包括对获取的所述林业病虫害数据集中的所有图像进行批量抠图，并利用投影算法对图像中包含病虫害的目标区域进行自动剪裁。5.根据权利要求3所述的林业病虫害自动识别方法，其特征在于，对所述林业病虫害数据集中的所有图像进行图像处理，以得到所述图像样本，之后还包括：对各所述图像样本按不同比例缩放、随机旋转，将各所述图像样本构成的任意组合各种类和多个背景模板图进行融合，以保证病虫害在融合后图像中分布随机性、相互重叠遮挡的可能性以及特定距离下病虫害尺寸的真实性，从而生成海量的病虫害样...

【专利技术属性】
技术研发人员：唐达维，夏舫，李海洋，马捷径，
申请(专利权)人：北京甲板智慧科技有限公司，
类型：发明
国别省市：