【技术实现步骤摘要】
水稻叶片病害图像检测方法、装置、设备及存储介质
[0001]本专利技术涉及病害检测
，尤其涉及一种水稻叶片病害图像检测方法、装置、设备及存储介质。
技术介绍
[0002]目前水稻的病害识别技术主要使用的方法是靠人工定时到田间进行生物识别，其他方法是首先获取图像，然后使用人工智能方法对水稻叶片图像进行病害检测。人工检测技术：人工到田间检测不仅会浪费大量的人力物力财力，而且识别率也不太高，实时性不强，且容易错过最佳的病害防治时期。人工智能图像检测方法：传统人工智能方法对病害区域识别速度慢，准确度低，且装置部署难度高，软件环境配置繁琐。
技术实现思路
[0003]本专利技术的主要目的在于提供一种水稻叶片病害图像检测方法、装置、设备及存储介质，旨在解决现有技术水稻病害检测技术识别率低，速度慢，准确率低，实时率不强的技术问题。
[0004]为实现上述目的，本专利技术提供了一种水稻叶片病害图像检测方法，所述方法包括以下步骤：
[0005]获取农业病虫害研究图像数据库，并根据所述农业病虫害研究图像数据
【技术保护点】
【技术特征摘要】
1.一种水稻叶片病害图像检测方法，其特征在于，所述方法包括：获取农业病虫害研究图像数据库，并根据所述农业病虫害研究图像数据库获得原始数据；构建初始水稻叶片病害检测模型，并将所述原始数据输入至所述初始水稻叶片病害检测模型中进行训练，得到训练后的水稻叶片病害检测模型；将待检测的水稻叶片图像输入至所述训练后的水稻叶片病害检测模型进行检测，并输出检测结果。2.如权利要求1所述的方法，其特征在于，所述根据所述农业病虫害研究图像数据库获得原始数据，包括：对所述农业病虫害研究图像数据库中的病害直径超过预设值的水稻叶片病害图像进行标注；提取被标注的水稻叶片病害图像，并将所述被标注的水稻叶片病害图像作为原始数据。3.如权利要求1所述的方法，其特征在于，所述将所述原始数据输入至所述初始水稻叶片病害检测模型中进行训练，得到训练后的水稻叶片病害检测模型，包括：通过分别对所述原始数据中的整个图像以及边界框内的图像进行翻转、剪切、模糊、加噪以及灰度级处理中的至少一项以实现对所述原始数据的预处理，得到预处理后的原始数据；将所述预处理后的原始数据输入至所述初始水稻叶片病害检测模型中进行训练，得到训练后的水稻叶片病害检测模型。4.如权利要求1所述的方法，其特征在于，所述将待检测的水稻叶片图像输入至所述训练后的水稻叶片病害检测模型进行检测，并输出检测结果，包括：将待检测的水稻叶片图像经过数据预处理后分成若干个大小相同的图像块；将所述若干个大小相同的图像块输入至所述水稻叶片病害检测模型中的骨干网络进行特征提取和降维，得到第一向量；根据所述第一向量得到待检测的水稻叶片图像的位置编码；将所述第一向量与所述位置编码输入至所述训练后的水稻叶片病害检测模型中的神经网络进行编码与解码后，通过预测头输出预测框和类别信息；将所述预测框和类别信息作为检测结果。5.如权利要求4所述的方法，其特征在于，所述将所述若干个大小相同的图像块输入至所述水稻叶片病害检测模型中的骨干网络进行特征提取和降维，...
【专利技术属性】
技术研发人员：杨华，邓幸全，曾山，周康，沈浩，张书祥，汪俊雄，冯立，林荡，张海峰，
申请(专利权)人：武汉轻工大学，
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。