一种基于深度学习的水果植株叶片病变检测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的水果植株叶片病变检测方法及系统，首先采集水果植株叶片的高分辨率图像并获得采集图像，再对采集图像进行图像预处理并获得预处理后图像，接着构建深度学习模型，再对深度学习模型进行训练及验证并获得验证后深度学习模型；本发明专利技术实现了该水果植株叶片病变检测方法及系统具有采用深度学习模型自动识别和分类水果植株叶片表面病变的功能，还实现了能自动学习水果植株叶片表面正常与异常的特征并对其进行标注，且通过训练大规模的水果植株叶片图像数据集使得深度学习模型能逐渐提高对不同病变类型的检测精度，不仅提升了检测效率和准确率，还减少了人工成本，适合被广泛推广和使用。

【技术实现步骤摘要】

本专利技术涉及水果植株叶片病变检测，具体涉及一种基于深度学习的水果植株叶片病变检测方法及系统。

技术介绍

1、水果植株叶片病变可能是由多种原因引起的，包括真菌、细菌、病毒、害虫等。在现代农业生产中，植株叶片病害的早期检测和管理对于维持作物健康与产量至关重要。

2、目前，现有的的病害检测方法大多依赖于人工观察和经验判断，导致检测效率和准确性严重不足，不仅耗时耗力，还使得检测结果容易受到人为因素影响，且在面对复杂、多样化的病变情况时普遍无法实现高精度的识别，同时也无法适用于大规模农业生产环境中；因此，需要设计一种基于深度学习的水果植株叶片病变检测方法及系统。

技术实现思路

1、本专利技术的目的是克服现有技术的不足，为更好的有效解决现有的的病害检测方法由于大多依赖于人工观察和经验判断，从而导致检测效率和准确性严重不足，不仅耗时耗力，还使得检测结果容易受到人为因素影响，且在面对复杂、多样化的病变情况时普遍无法实现高精度的识别，同时也无法适用于大规模农业生产环境中的问题，提供了一种基于深度学习的水果植株叶片本文档来自技高网...

【技术保护点】

1.一种基于深度学习的水果植株叶片病变检测方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于深度学习的水果植株叶片病变检测方法，其特征在于：步骤A，采集水果植株叶片的高分辨率图像，获得采集图像，具体是采用高分辨率摄像设备在不同光照条件下捕获清晰叶片图像，所述采集图像具体为涵盖各种健康状况与病变状况的不同种类水果植株叶片。

3.根据权利要求2所述的一种基于深度学习的水果植株叶片病变检测方法，其特征在于：步骤B，对采集图像进行图像预处理，获得预处理后图像，所述图像预处理包括去噪、色彩校正、随机裁剪、旋转、水平翻转、亮度调整和图像归一化，其中图像归一化具...

【技术特征摘要】

1.一种基于深度学习的水果植株叶片病变检测方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于深度学习的水果植株叶片病变检测方法，其特征在于：步骤a，采集水果植株叶片的高分辨率图像，获得采集图像，具体是采用高分辨率摄像设备在不同光照条件下捕获清晰叶片图像，所述采集图像具体为涵盖各种健康状况与病变状况的不同种类水果植株叶片。

3.根据权利要求2所述的一种基于深度学习的水果植株叶片病变检测方法，其特征在于：步骤b，对采集图像进行图像预处理，获得预处理后图像，所述图像预处理包括去噪、色彩校正、随机裁剪、旋转、水平翻转、亮度调整和图像归一化，其中图像归一化具体是将采集图像i调整为固定大小w×h从而获得预处理后图像i′，如公式(1)所示，

4.根据权利要求3所述的一种基于深度学习的水果植株叶片病变检测方法，其特征在于：步骤c，构建深度学习模型，再对深度学习模型进行训练及验证，...

【专利技术属性】
技术研发人员：刘丙友，曹珂涵，赵宇涵，蒋述，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：