【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理，尤其涉及一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法和系統(tǒng)。
技術(shù)介紹
1、隨著茶產(chǎn)業(yè)日益繁盛，茶園病蟲害問題也愈發(fā)凸顯，病蟲害問題一直是影響茶葉產(chǎn)量和質(zhì)量的重要因素，不僅會(huì)導(dǎo)致茶葉產(chǎn)量下降，還可能影響茶葉的外觀、風(fēng)味和品質(zhì)；甚至在嚴(yán)重情況下，將導(dǎo)致茶樹的死亡。病蟲害的早期檢測和準(zhǔn)確識(shí)別對于茶園的健康管理和防治措施的及時(shí)實(shí)施至關(guān)重要。
2、目前，茶園病蟲害的監(jiān)測主要依賴于人工觀察和簡單的傳統(tǒng)監(jiān)測設(shè)備。人工觀察方式不僅費(fèi)時(shí)費(fèi)力，而且由于觀察者的經(jīng)驗(yàn)水平不同，病蟲害識(shí)別的準(zhǔn)確性和及時(shí)性難以保證。傳統(tǒng)的監(jiān)測設(shè)備往往只能覆蓋茶園的一部分區(qū)域，無法實(shí)現(xiàn)對茶園全域的實(shí)時(shí)監(jiān)測，病蟲害的分布情況無法及時(shí)反饋，導(dǎo)致防治措施滯后。此外，傳統(tǒng)方法難以提供精細(xì)的病蟲害分布圖，缺乏對病蟲害具體分布區(qū)域和嚴(yán)重程度的準(zhǔn)確分析，管理人員容易出現(xiàn)決策失誤。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述問題，本專利技術(shù)提出了一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法和系統(tǒng)，所述方法通過首先利用病蟲害目標(biāo)檢測模型定位病蟲害集中區(qū)域，再通過區(qū)域分布分析模型進(jìn)行更精細(xì)化的分割獲得病蟲害分布圖，大大提高了定位準(zhǔn)確率和識(shí)別精度。
2、為了實(shí)現(xiàn)上述目的，本專利技術(shù)采用如下技術(shù)方案：
3、第一方面，本專利技術(shù)提供一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，包括：
4、獲取茶園茶葉圖像和環(huán)境信息；對茶園茶葉圖像進(jìn)行預(yù)處理；
5、利用病蟲害目標(biāo)檢測模型對預(yù)處理后的茶園茶葉圖像進(jìn)行初步病
6、將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，并生成病蟲害分布圖；
7、結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議。
8、優(yōu)選地，所述環(huán)境信息包括茶園的溫度、濕度、土壤ph值、風(fēng)速和風(fēng)向信息。
9、優(yōu)選地，所述預(yù)處理包括：對所述茶園茶葉圖像進(jìn)行統(tǒng)一亮度校正、直方圖均衡化、圖像尺寸調(diào)整和歸一化處理。
10、優(yōu)選地，所述病蟲害目標(biāo)檢測模型包括cspdarknet網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)和基于anchor-free的預(yù)測模塊；
11、所述cspdarknet網(wǎng)絡(luò)包括多個(gè)卷積模塊、c2f模塊和sppf模塊；卷積模塊用于提取低層次特征，c2f模塊用于對卷積模塊輸出的低層次特征進(jìn)行融合；sppf模塊用于對c2f模塊輸出的融合特征進(jìn)行多層次交互；
12、所述多尺度特征融合網(wǎng)絡(luò)由特征金字塔網(wǎng)絡(luò)和路徑聚合網(wǎng)絡(luò)組成，用于對sppf模塊輸出的交互特征進(jìn)行多尺度融合；
13、基于anchor-free的預(yù)測模塊接收多尺度特征融合網(wǎng)絡(luò)輸出的多尺度特征，輸出目標(biāo)的類別損失和預(yù)測框損失。
14、優(yōu)選地，所述將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，具體包括：
15、將病蟲害集中區(qū)域圖像通過連續(xù)的卷積層和激活層，提取初始特征圖；對初始特征圖通過最大池化層提取高層次特征圖；
16、將高層次特征圖逐步恢復(fù)到原始圖像的分辨率，得到恢復(fù)圖像，通過跳躍連接將恢復(fù)圖像進(jìn)行拼接融合；
17、根據(jù)病蟲害類型，調(diào)用基于所述病蟲害類型對應(yīng)的病蟲害數(shù)據(jù)庫訓(xùn)練的分類器對拼接融合后的特征進(jìn)行分類，提取病蟲害目標(biāo)前景，得到病蟲害目標(biāo)圖像。
18、優(yōu)選地，所述病蟲害分布圖為，將獲取的茶園內(nèi)所有茶園茶葉圖像進(jìn)行拼接，基于病蟲害目標(biāo)圖像的位置，為同屬于一種病蟲害類型的病蟲害目標(biāo)圖像標(biāo)記相同的顏色，不同病蟲害類型標(biāo)記不同的顏色，背景的像素則不做處理，得到病蟲害分布圖。
19、優(yōu)選地，所述結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議；具體包括：
20、根據(jù)病蟲害分布圖，定位各類病蟲害區(qū)域；通過計(jì)算各類病蟲害所在病蟲害集中區(qū)域圖像的面積，得到各類病蟲害的分布占比，估算各種病蟲害嚴(yán)重程度；
21、根據(jù)病蟲害類型，從農(nóng)業(yè)病蟲害數(shù)據(jù)庫中調(diào)用相應(yīng)防治建議；所述防治建議包括用藥類型、施藥量和施藥時(shí)間；
22、根據(jù)環(huán)境信息和該類病蟲害嚴(yán)重程度，調(diào)整防治建議。
23、第二方面，本專利技術(shù)提供一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別系統(tǒng)，包括：
24、數(shù)據(jù)獲取模塊，被配置為，獲取茶園茶葉圖像和環(huán)境信息；對茶園茶葉圖像進(jìn)行預(yù)處理；
25、初步識(shí)別模塊，被配置為，利用病蟲害目標(biāo)檢測模型對預(yù)處理后的茶園茶葉圖像進(jìn)行初步病蟲害識(shí)別，得到病蟲害集中區(qū)域圖像和病蟲害類型；
26、深度識(shí)別模塊，被配置為，將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，并生成病蟲害分布圖；
27、分析反饋模塊，被配置為，結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議。
28、第三方面，本專利技術(shù)提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。
29、第四方面，本專利技術(shù)提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。
30、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果為：
31、(1)本專利技術(shù)通過獲取茶園的rgb圖像信息，定位病蟲害所在區(qū)域，為了分析病蟲害的分布情況，將病蟲害集中區(qū)域圖像輸入至區(qū)域分布分析網(wǎng)絡(luò)進(jìn)行病蟲害類型和細(xì)致分布的分析，最后，結(jié)合病蟲害分析報(bào)告和其他環(huán)境傳感器反饋的環(huán)境信息，給予管理人員決策建議。通過快速定位病蟲害區(qū)域，可以實(shí)時(shí)監(jiān)測茶園病蟲害，提升信息反饋速度，并且結(jié)合傳感器反饋信息和病蟲害分析得出的決策建議更加科學(xué)合理，管理人員能夠精確控制防治措施，有效保障茶園產(chǎn)量和質(zhì)量。
32、(2)本專利技術(shù)提出兩階段式的病蟲害定位識(shí)別，首先定位病蟲害集中區(qū)域，再通過更精細(xì)化的分割獲得病蟲害分布圖，大大提高了定位準(zhǔn)確率和識(shí)別精度。
33、(3)本專利技術(shù)基于多個(gè)環(huán)境傳感器的信息和病蟲害分析報(bào)告，使管理人員對于茶園環(huán)境有更加全面的了解，對于不同的病蟲害和嚴(yán)重程度能夠精準(zhǔn)防治、對癥下藥，可以提高農(nóng)藥利用率，減小環(huán)境污染。
34、本專利技術(shù)附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術(shù)的實(shí)踐了解到。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，包括：
2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述環(huán)境信息包括茶園的溫度、濕度、土壤PH值、風(fēng)速和風(fēng)向信息。
3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述預(yù)處理包括：對所述茶園茶葉圖像進(jìn)行統(tǒng)一亮度校正、直方圖均衡化、圖像尺寸調(diào)整和歸一化處理。
4.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述病蟲害目標(biāo)檢測模型包括CSPDarknet網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)和基于Anchor-free的預(yù)測模塊；
5.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，具體包括：
6.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述病蟲害分布圖為，將獲取的茶園內(nèi)所有茶園茶葉圖像進(jìn)行拼接，基于病蟲害目標(biāo)圖像的位置，為同屬于一種病蟲害類型的病蟲害目標(biāo)圖像標(biāo)記
7.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議；具體包括：
8.一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別系統(tǒng)，其特征在于，包括：
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。
10.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，包括：
2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述環(huán)境信息包括茶園的溫度、濕度、土壤ph值、風(fēng)速和風(fēng)向信息。
3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述預(yù)處理包括：對所述茶園茶葉圖像進(jìn)行統(tǒng)一亮度校正、直方圖均衡化、圖像尺寸調(diào)整和歸一化處理。
4.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述病蟲害目標(biāo)檢測模型包括cspdarknet網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)和基于anchor-free的預(yù)測模塊；
5.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，具體包括：
6.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姜兆亮，楊玉通，朱薪瑞，郭云龍，丁海超，牛平平，
申請(專利權(quán))人：山東大學(xué)日照研究院，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。