一种用于茶叶病害的识别方法技术

本发明专利技术涉及一种用于茶叶病害的识别方法，包括如下步骤：步骤一、数据预处理：采集茶叶病害图像数据，将每一幅包含多个病害和背景噪声的图片进行裁剪，将所拍摄到的图片裁剪成单个病害叶片为一幅图像；步骤二、构造最优小样本图网络模型并训练模型：首先将茶叶病害图像嵌入成特征向量，然后将每个特征向量作为茶叶病害图像的双域节点初始化图，根据构建好的双域节点初始化图进行图的更新优化，最优小样本图网络模型包含自下而上推理、自上而下推理和跳跃连接三个部分；步骤三、对图像进行茶叶病害图像识别。本发明专利技术减少人为识别病害耗费的人力物力，使用智能识别技术进行茶叶病害识别。使用智能识别技术进行茶叶病害识别。使用智能识别技术进行茶叶病害识别。

【技术实现步骤摘要】
一种用于茶叶病害的识别方法


[0001]本专利技术涉及图像处理
，特别是涉及一种用于茶叶病害的识别方法。

技术介绍

[0002]目前对茶叶病害的识别主要是通过相关领域的专家勘察或者有经验的农户人为判断，这种方式相对主观并且耗费大量人力物力，为了响应国家绿色防治号召，并且将大数据、人工智能等技术应用到智慧农业的绿色防治中，如何提供一种较好地对茶园茶叶病害进行监测和识别，可对健康的茶叶进行监测以及对已经发病的茶叶给出不同的病害防治建议，及时发现茶叶病害从而尽量避免病害大面积扩散，减少农药使用达到绿色防治目的的茶叶病害识别方法是本领域技术人员亟需解决的技术难题。

技术实现思路

[0003]（1）要解决的技术问题本专利技术实施例提出了一种用于茶叶病害的识别方法，包括数据预处理、构造最优小样本图网络模型并训练模型、对图像进行茶叶病害图像识别等。
[0004]（2）技术方案本专利技术的实施例提出了一种用于茶叶病害的识别方法，包括如下步骤：步骤一、数据预处理：采集茶叶病害图像数据，将每一幅包含多个病害和背景噪声的图片进行裁剪，将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于茶叶病害的识别方法，其特征在于，包括如下步骤：步骤一、数据预处理：采集茶叶病害图像数据，将每一幅包含多个病害和背景噪声的图片进行裁剪，将所拍摄到的图片裁剪成单个病害叶片为一幅图像；步骤二、构造最优小样本图网络模型并训练模型：首先将茶叶病害图像嵌入成特征向量，然后将每个特征向量作为茶叶病害图像的双域节点初始化图，根据构建好的双域节点初始化图进行图的更新优化，最优小样本图网络模型包含自下而上推理、自上而下推理和跳跃连接三个部分；步骤三、对图像进行茶叶病害图像识别，将待识别的图像输入到训练好的网络模型中，利用网络模型的距离度量函数计算该图像与其他图像的距离来衡量待测图像和已知图像的相似性，利用相似性最大的作为识别结果。2.根据权利要求1所述的一种用于茶叶病害的识别方法，其特征在于，步骤一还包括：小样本学习，小样本学习中数据集包括支持集S和查询集Q，所述支持集S包含N个不同的类，每个类中包含有K个标记样本；所述查询集Q包含q个待分类样本。3.根据权利要求1所述的一种用于茶叶病害的识别方法，其特征在于，所述双域节点初始化图用于将所述数据预处理得到的RGB图像转换为数字化灰度图像，得到由RGB图像和数字化灰度图像组成的双域图像对作为嵌入网络的输入，然后将双域图像分别输入两个独立的嵌入模块提取特征，经过嵌入模块后得到RGB图像和数字化灰度图像特征，将RGB图像特征和数字化灰度图像特征拼接作为图的节点。4.根据权利要求1所述的一种用于茶叶病害的识别方法，其特征在于，步骤二中具体包括：给定某一任务目标样本所有特征表示后，首先构建全联通图，其中；；分别表示全联通图中的双节点集合和边缘集合；T表示该任务中的所有样本个数；然后通过图的更新和跳跃连接聚合多域图像信息，最后根据更新后的边缘特征集预测查询集的识别结果；在每个自上向下的推理块中，首先提出图更新层来探索同一层中所有节点之间的相关性；然后对支持节点进行抽样，所有层的...

【专利技术属性】
技术研发人员：张艳，车迅，曹丽青，胡根生，李增辉，
申请(专利权)人：安徽大学，
类型：发明
国别省市：