【技术实现步骤摘要】
本专利技术涉及植物病害识别，特别是涉及一种基于深度学习的梨树叶片病害识别方法。
技术介绍
1、梨树叶片病害发生是影响梨产业健康发展的一个重要因素，细菌、真菌和病毒感染以及昆虫感染会导致植物疾病和损害，病害及其传染性将会影响梨树正常生长，降低梨的品质和产量，如不能及时正确诊断并采用科学的用药措施，将会引发误施药、施药过度、农药残留等系列问题，对梨树构成二次伤害，导致病害防治管理成本增加，降低经济效益。目前，梨树叶片病害仍然是人工观察为主。农民及科研人员需要用肉眼观察叶片上的病斑，根据自己的经验判断是否为哪种病害，病害种类的准确性取决于相关人员的经验。此外，梨树叶片上的病斑区域有些是非常微小的，这在增加识别难度的同时，也极大地影响了人员的识别能力。
2、国内外的研究学者结合深度学习技术对植物叶片病害的识别进行了深入的研究，并且取得了一定的研究成果，提高了对植物叶片病害识别的精度，缩短了识别病害所需的时间，例如卷积神经网络，递归神经网络等。但是对于梨树叶片病害的研究相对较少，因此需要设计一种高效并且准确的梨树叶片病害识别方法，提高...
【技术保护点】
1.一种基于深度学习的梨树叶片病害识别方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述获取初始数据集包括：
3.根据权利要求2所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述病害类型包括梨黑星病、梨黑斑病、梨轮纹病、梨炭疽病、梨白粉病、梨褐斑病。
4.根据权利要求1所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述对所述初始数据集进行数据增强，生成扩充数据集，具体为对所述初始数据集进行仿射变换、平移、旋转等方法处理，将所述初始数据集扩充，用来增加数据集的丰富性，...
【技术特征摘要】
1.一种基于深度学习的梨树叶片病害识别方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述获取初始数据集包括：
3.根据权利要求2所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述病害类型包括梨黑星病、梨黑斑病、梨轮纹病、梨炭疽病、梨白粉病、梨褐斑病。
4.根据权利要求1所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述对所述初始数据集进行数据增强，生成扩充数据集，具体为对所述初始数据集进行仿射变换、平移、旋转等方法处理，将所述初始数据集扩充，用来增加数据集的丰富性，防止模型过拟合的情况出现。
5.根据权利要求1所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述建立目标检测模型包括：
6.根据权利要求5所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述初始网络结构为yolov7网络结构。
7.根据权利要求5所述的基于深度学习的梨树叶片病害识别方法，其特征在于，所述对所述初始网络结构进行改进，生成目标检测模型具体为在所述初始网络结构中添加ca注意力机制和wiou损失函数，生成目标检测模型。
...
【专利技术属性】
技术研发人员：任振辉，杨康鑫，王浩，王新猛，张晓乾，
申请(专利权)人：河北农业大学，
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。