【技術實現步驟摘要】
本專利技術涉及病蟲害識別，更具體的說是涉及一種基于目標檢測的農田病蟲害檢測方法及系統。
技術介紹
1、農作物病蟲害是我國的主要農業災害之一，具有種類多、影響大、并時常暴發成災的特點，農作物病蟲害直接影響作物的代謝過程，是降低作物的產量和品質的主要威脅之一，其發生范圍和嚴重程度對我國國民經濟、特別是農業生產常造成重大損失。因此，病蟲害的防治工作對于農業生產十分重要，實現快速、準確的病蟲害檢測和分類識別，對農民及時采取有效的防治措施具有重要意義。然而，現有的病蟲害防治方案大多采用人工光判斷的方式進行查看，這種方案需要耗費大量人力并且需要對病蟲害有較高的了解。因此，如何提供一種基于目標檢測的農田病蟲害檢測方法及系統是本領域技術人員亟需解決的問題。
技術實現思路
1、有鑒于此，本專利技術提供了一種基于目標檢測的農田病蟲害檢測方法及系統，通過目標檢測算法識別農作物葉片上的病蟲害缺陷以實現自動化的農田病蟲害檢測。
2、為了實現上述目的，本專利技術提供如下技術方案：
3、一種基于目標檢測的農田病蟲害檢測方法，包括以下步驟：
4、s1、采集現有農田的病蟲害圖像并進行人工標注，獲得圖像中所有的病蟲害狀態信息；
5、s2、對農田病蟲害圖像進行區域分割以及預處理，使得分割后的每個農田病蟲害圖像僅存在一種病蟲害狀態；
6、s3、構建基于cnn的農田病蟲害檢測網絡；
7、s4、將分割后的農田病蟲害圖像及其對應的人工標注作為訓練集，訓練農
8、s5、基于訓練完成的農田病蟲害檢測網絡對待檢測的農田進行檢測。
9、可選的，s1中通過人工標注的方式識別圖像中的病蟲害種類信息，并對圖像中所有的病蟲害區域進行人工標記，生成真實目標框。
10、可選的，s2具體為：對農田病蟲害圖像進行區域分割，使得分割后的每個農田病蟲害圖像僅存在一種病蟲害狀態，對分割后的農田病蟲害圖像進行數據增廣以擴大數據量。
11、可選的，s3具體為：農田病蟲害檢測網絡包括區域生成網絡、卷積神經網絡、svm分類器和結果輸出單元，其中，區域生成網絡用于生成候選框，卷積神經網絡用于提取圖像特征，svm分類器用于對候選框進行分類，結果輸出單元用于確定最終的分類結果。
12、可選的，s4具體為：
13、s41、通過訓練集訓練用于生成候選框的區域生成網絡和用于提取圖像特征的卷積神經網絡；
14、s42、將訓練集中不同圖像的候選框與其對應的真實目標框進行iou計算，將大于預設正閾值的樣本作為正樣本，小于預設負閾值的樣本作為負樣本；
15、s43、針對訓練集中的每一種病蟲害狀態，分別通過對應種類的正樣本和負樣本訓練對應的svm分類器。
16、可選的，s5具體為：
17、s51、實時采集待檢測農田的圖像數據；
18、s52、將圖像數據輸入農田病蟲害檢測網絡生成候選框；
19、s53、農田病蟲害檢測網絡提取圖像數據的特征并對特征進行分類；
20、s54、對候選框進行篩選，輸出最終的檢測結果。
21、可選的，s54具體為：針對一個病蟲害類別分類結果，對所有候選框的分類置信度按照從大到小的順序進行排序，計算所有其他候選框與置信度最大的候選框之間的iou值，刪除iou值大于預設閾值的候選框，重復排序、計算iou值與刪除候選框的過程直到全部候選框均結束運算，刪除分類置信度小于該類別預設閾值的候選框。
22、一種基于目標檢測的農田病蟲害檢測系統，執行上述的一種基于目標檢測的農田病蟲害檢測方法，包括圖像采集模塊、數據處理模塊、網絡構建模塊、網絡訓練模塊和病蟲害識別模塊；圖像采集模塊用于采集農田的病蟲害圖像，數據處理模塊對農田的病蟲害圖像進行區域分割以及預處理，網絡構建模塊用于構建基于cnn的農田病蟲害檢測網絡，網絡訓練模塊用于訓練農田病蟲害檢測網絡，病蟲害識別模塊基于訓練完成的農田病蟲害檢測網絡對待檢測的農田進行檢測。
23、經由上述的技術方案可知，與現有技術相比，本專利技術提供了一種基于目標檢測的農田病蟲害檢測方法及系統，具有以下有益效果：本專利技術采用基于目標識別的檢測方法對農田進行病蟲害檢測，解決了現有的人工識別方式效率低并且對工作人員要求較高的問題，能夠快速且準確地識別農田是否存在病蟲害以及其種類，為病蟲害的預防以及后續的治理工作提供參考，有助于建立智能化和自動化的農業生產系統。
本文檔來自技高網...【技術保護點】
1.一種基于目標檢測的農田病蟲害檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，S1中通過人工標注的方式識別圖像中的病蟲害種類信息，并對圖像中所有的病蟲害區域進行人工標記，生成真實目標框。
3.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，S2具體為：對農田病蟲害圖像進行區域分割，使得分割后的每個農田病蟲害圖像僅存在一種病蟲害狀態，對分割后的農田病蟲害圖像進行數據增廣以擴大數據量。
4.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，S3具體為：農田病蟲害檢測網絡包括區域生成網絡、卷積神經網絡、SVM分類器和結果輸出單元，其中，區域生成網絡用于生成候選框，卷積神經網絡用于提取圖像特征，SVM分類器用于對候選框進行分類，結果輸出單元用于確定最終的分類結果。
5.根據權利要求4所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，S4具體為：
6.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于
7.根據權利要求6所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，S54具體為：針對一個病蟲害類別分類結果，對所有候選框的分類置信度按照從大到小的順序進行排序，計算所有其他候選框與置信度最大的候選框之間的IoU值，刪除IoU值大于預設閾值的候選框，重復排序、計算IoU值與刪除候選框的過程直到全部候選框均結束運算，刪除分類置信度小于當前類別預設閾值的候選框。
8.一種基于目標檢測的農田病蟲害檢測系統，其特征在于，執行權利要求1-7任一項所述的一種基于目標檢測的農田病蟲害檢測方法，包括圖像采集模塊、數據處理模塊、網絡構建模塊、網絡訓練模塊和病蟲害識別模塊；圖像采集模塊用于采集農田的病蟲害圖像，數據處理模塊對農田的病蟲害圖像進行區域分割以及預處理，網絡構建模塊用于構建基于CNN的農田病蟲害檢測網絡，網絡訓練模塊用于訓練農田病蟲害檢測網絡，病蟲害識別模塊基于訓練完成的農田病蟲害檢測網絡對待檢測的農田進行檢測。
...【技術特征摘要】
1.一種基于目標檢測的農田病蟲害檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，s1中通過人工標注的方式識別圖像中的病蟲害種類信息，并對圖像中所有的病蟲害區域進行人工標記，生成真實目標框。
3.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，s2具體為：對農田病蟲害圖像進行區域分割，使得分割后的每個農田病蟲害圖像僅存在一種病蟲害狀態，對分割后的農田病蟲害圖像進行數據增廣以擴大數據量。
4.根據權利要求1所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，s3具體為：農田病蟲害檢測網絡包括區域生成網絡、卷積神經網絡、svm分類器和結果輸出單元，其中，區域生成網絡用于生成候選框，卷積神經網絡用于提取圖像特征，svm分類器用于對候選框進行分類，結果輸出單元用于確定最終的分類結果。
5.根據權利要求4所述的一種基于目標檢測的農田病蟲害檢測方法，其特征在于，s4具體為：
6.根...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。