【技术实现步骤摘要】
本申请的实施例涉及植物病虫害检测，特别涉及一种基于模态联合学习的植物病虫害检测方法及系统。
技术介绍
1、植物病虫害是决定植物产量和品质的重要因素，植物病虫害的检测通常可以通过数字图像处理来进行。近年来，深度学习在数字图像处理
取得了突破，远远优于传统的方法，如何利用深度学习技术研究植物病虫害检测已成为研究者最为关注的研究课题之一。
2、目前，以机器视觉为基础的植物病虫害检测设备已初步应用于农业，并在一定程度上取代了传统的肉眼识别技术。由于植物病虫害的图像特性和成像场景与普通图像存在差异，因此目前的基于机器视觉和深度学习的植物病虫害检测方法存在许多缺陷。比如：(1)在实际的自然环境下，受光照条件、背景干扰等因素影响，基于深度学习的植物病虫害检测很难完全消除场景变化对识别结果的影响；(2)植物病变区域与背景差异较小、对比度低，基于深度学习的植物病虫害检测存在较高的误测误报；(3)由于植物病虫害样本图像的收集比较困难，样本量较小，这容易造成基于深度学习的植物病虫害检测系统训练过拟合，难以发挥其全部作用。
【技术保护点】
1.一种基于模态联合学习的植物病虫害检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于模态联合学习的植物病虫害检测方法，其特征在于，所述对所述待检测植物图像进行随机裁剪，得到若干张裁剪图像，基于所述裁剪图像确定所述待检测植物图像的结构特征，包括：
3.如权利要求1所述的一种基于模态联合学习的植物病虫害检测方法，其特征在于，所述将所述待检测植物图像转换为灰度图，基于所述灰度图中每个像素点的像素值及其邻域内各像素点的像素值确定每个像素点的纹理值，并基于每个像素点的纹理值确定所述待检测植物图像的纹理特征，包括：
4.如权利要求3...
【技术特征摘要】
1.一种基于模态联合学习的植物病虫害检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于模态联合学习的植物病虫害检测方法，其特征在于，所述对所述待检测植物图像进行随机裁剪，得到若干张裁剪图像，基于所述裁剪图像确定所述待检测植物图像的结构特征，包括：
3.如权利要求1所述的一种基于模态联合学习的植物病虫害检测方法，其特征在于，所述将所述待检测植物图像转换为灰度图，基于所述灰度图中每个像素点的像素值及其邻域内各像素点的像素值确定每个像素点的纹理值，并基于每个像素点的纹理值确定所述待检测植物图像的纹理特征，包括：
4.如权利要求3所述的一种基于模态联合学习的植物病虫害检测方法，其特征在于，所述将所述圆形邻域中除当前像素点之外的n个像素点作为采样点，具体为：将与所述中心点左方相邻、左上方相邻、上方相邻、右上方相邻、右方相邻、右下方相邻、下方相邻和左下方相邻的共8个邻接像素点作为采样点。
5.如权利要求1所述的一种基于模态联合学...
【专利技术属性】
技术研发人员：王明德，赵宏伟，王曦雯，黄鑫，张宁，易孝凡，刘志恒，陈哲，郭丹，赵国强，刘志镜，刘欣，
申请(专利权)人：西安电子科技大学，
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。