基于纹理-颜色多尺度残差收缩网络的玉米病害识别方法技术

本发明专利技术公开了一种基于纹理

【技术实现步骤摘要】
基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法


[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法。

技术介绍

[0002]玉米具有抗病品种少、易受种植环境影响的特点，且种植方式多采用粗放的连片式，玉米病害一旦发生就很容易大面积集中爆发。据全国农技中心统计显示，玉米大斑病、锈病等是造成玉米减产的主要原因之一。
[0003]实时的玉米叶片病害识别并根据识别结果采取相应的施药措施是保障玉米生产安全的重要方法之一。传统的玉米病害识别主要依靠农业专家通过肉眼观察玉米叶片病斑的大小、纹理、生长方向、侵染部位等病叶形态学特征或采用病原体检测方法，判断病害的类型与严重程度，方法具有主观性强、实时性弱的特点，已无法适应高效农业的发展需要。近年来，许多专家已将数字图像处理技术与机器学习技术应用于农业生产中以辅助农户进行玉米病害的识别并取得了良好的效果，但该方法的特征提取算法是人工设计的的，在复杂背景情况下无法明确定义目标与背景的边缘，存在鲁棒性较差的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法，其特征在于，该方法包括以下步骤：S1、采集实验环境和大田环境中的混合玉米叶片病害图像，并对其进行图像增强后，作为基于纹理
‑
颜色双分支多尺度残差收缩网络模型的训练图像；S2、结合空间注意力机制与LBP算子建立纹理特征提取模块，通过纹理特征提取模块对训练图像进行提取得到局部二值模式特征图，作为纹理特征；S3、建立纹理
‑
颜色二分支浅层特征提取模块，将训练图像的RGB特征和纹理特征以一定比例输入纹理
‑
颜色二分支浅层特征提取模块，RGB特征通过一个分支的卷积层和最大池化层，纹理特征通过另一分支的卷积层和最大池化层，分别进行浅层特征提取，将两个分支的输出调整权重比例后连接起来；S4、将软阈值函数、注意力机制与多尺度卷积相结合，建立多尺度残差收缩模块，将步骤S3的输出依次通过两个相互串联的多尺度残差收缩模块，同时多尺度残差收缩模块采用并行多分支网络结构提取训练图像不同感受野的特征，从而将不同图像所含的不同噪声或冗余信息去除并得到完整的图像语义信息；S5、根据输出的图像语义信息和玉米叶片病害图像对应的类别，调整网络模型参数，得到训练好的基于纹理
‑
颜色双分支多尺度残差收缩网络模型；S6、输入待识别的玉米叶片病害图像，通过训练好的基于纹理
‑
颜色双分支多尺度残差收缩网络模型识别玉米叶片病害类别。2.根据权利要求1所述的基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法，其特征在于，步骤S1中的方法包括：采集实验环境和大田环境中的混合玉米叶片病害图像，图像包括玉米锈病、玉米灰斑病、玉米大斑病和正常叶片，分别包括不同大小、颜色、形状的病斑区域图像，并存在背景噪声、光照不均、图像模糊的现象；图像增强方式包括，图像翻转、平移、比例变化，并将图像统一调整为一定大小。3.根据权利要求1所述的基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法，其特征在于，步骤S2中的纹理特征提取模块包括：空间注意力机制单元和局部二值模式LBP算子单元；其中：空间注意力机制单元，包括最大池化层、平均池化层、7x7卷积层、sigmoid激活函数；用以获得一组权重，并将权重与原始图像相乘以压缩通道维度并加强病斑及病斑周边区域视觉效果，经过注意力机制加强后的图像特征F
′
为：F
′
(F
RGB
)＝F
RGB
×
σ(f7×7([AvgPool(F
RGB
)；MaxPool(F
RGB
)]))其中，F
RGB
为原始训练图像，AvgPool与MaxPool分别为平均池化与最大池化操作，f7×7为7
×
7卷积，σ()为softmax函数。4.根据权利要求3所述的基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法，其特征在于，纹理特征提取模块的局部二值模式LBP算子单元具体为：以某像素点为圆心，R为半径的圆周上等间隔的采样P个点，记圆心像素灰度值为g
c
，顺时针方向采样的P个点像素值分别为g1,g2,
…
,g
P
，且g
c
,g1,g2,
…
,g
P
∈F
L
，除颜色以外的图像信息为F
L
，则中心像素点周围区域的LBP特征F
LBP
为：
其中，G是一个符号函数，函数用于依次比较采样的P个点像素值与中间位置像素的大小，当其大于或等于中间值，即g
i
‑
g
c
为正数或0时返回1，否则为0，从而获得一个p位的二进制数，将其转换为十进制后作为该位置的特征：为了克服植物病斑出现连片、旋转的情况，采用旋转不变LBP算子，通过对中心像素领域上的p个采样点不断旋转，得到一系列初始定义的LBP特征值，最终取最小值作为中心像素点的纹理特征F
ROR_LBP
，其计算公式为：F
ROR_LBP
＝min{ROR(F
LBP
，i)|i＝0，
…
，p
‑
1}其中，ROR(F
LBP
，i)函数，用于将原始的p位二进制LBP特征F
LBP
进行循环移位操作，得到i个不同的值。5.根据权利要求4所述的基于纹理
‑
颜色多尺度残差收缩网络的玉米病害识别方法，其特征在于，局部二值模式LBP算子单元的处理方法还包括灰度处理的方法：将训练图像从RGB图像转换为灰度图像，将图像...

【专利技术属性】
技术研发人员：朱容波，王晗铭，李松泉，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：