[发明专利]一种基于深度学习的农作物病虫害智能检测方法

说明书

本发明公开了一种基于深度学习的农作物病虫害智能检测方法，属于计算机视觉与人工智能技术领域，解决了人工检测病虫害效率低下且容易造成农作物病虫害误检的问题。本发明将深度学习方法用于病虫害检测，在野外受限于能源获取的恶劣条件下，代替人工检测农作物病虫害的状况，有效降低了人工检测的错误率，提高了农作物病虫害检测的准确率和检测速度，本发明能够用于提升管理者工作效率，节约生产者人力物力，同时为农林的管理决策提供科学依据，具有广阔的市场前景。

技术领域

本发明属于计算机视觉与人工智能技术领域，具体涉及一种基于深度学习的农作物病虫害智能检测方法的设计。

背景技术

计算机视觉与人工智能技术结合在农业领域的应用，具有很好的发展前景，世界上有很多高等学府和企业已经投放大量精力在这一领域。荷兰的瓦特宁根大学(Wageningen University)研究了温室内自动化机器人的应用，比如番茄，黄瓜，草莓采摘与盆栽的运输。在农业作物的生产中，对农作物的检测是保证农业产量收获充足的前提，如果遇到的农作物虫害是大面积、对农作物具有严重危害性的害虫群，将对生产者造成无法挽回的损失，现在多采用人工检测的方法，取样返回实验室培养、分离、镜检后再下结论，准确率高，出具的防治方案针对性强，但时间缓慢，与生产要求的“急诊”不相适应。只有及时的诊断，才能有的放矢，对症下药，从而收到预期的防治效果，因此靠人工识别来监测病虫害是有局限的。在防治病虫害的初期，如果能够准确的判断出病虫害的类型，采取正确的解决措施，会节省大量的人力物力资源，对农业生产领域具有巨大的价值。如何结合深度学习准确判断病虫害信息是农林业领域研究人员下一阶段目标，具有广阔的应用前景和重要的实际意义。

随着大数据时代的发展和深度学习技术的提高，越来越多的数据处理与应用平台被开发出来，利用现有的深度学习技术，精确找到引发病虫害的原因，可视化农作物病虫害的具体特征，进行准确的量化，取代人工专家进行判断，进而研发一种性价比高，精准判断病因的数据管理平台，可以有效满足为农林业生产者和管理者创造价值、节约成本的目的。而现有的农作物病虫害智能检测方法均没有使用识别率较高的检测模型，没能与深度学习模型结合使用，识别效率低、检测成本高。

发明内容

本发明的目的是为了解决现有的人工识别农作物病虫害，检测方法准确度差、效率低的问题，利用图像检测平台范围广、效率高、使用灵活的特点，构建满足精准判断病因的深度学习模型，结合深度学习中目标检测算法的优点，提出了一种基于深度学习的农作物病虫害智能检测方法。

本发明的技术方案为：一种基于深度学习的农作物病虫害智能检测方法，包括以下步骤：

S1、采集农作物病虫害图像，并将所有图像修改为统一格式大小。

S2、对所有图像打标签，实现对常见病虫害的识别与分类，通过打好标签的图像构建数据集，并将数据集分为训练集与测试集。

S3、采用ResNet50和FPN结合的网络构建特征网络，并将训练集输入特征网络进行回归和分类，得到特征图。

S4、对特征图进行窗口滑动得到建议窗口，并通过建议窗口构建RPN区域生成网络。

S5、对RPN区域生成网络进行训练，得到农作物病虫害智能检测模型。

S6、采用农作物病虫害智能检测模型对测试集中的图像进行测试，得到农作物病虫害智能检测结果。

进一步地，步骤S1包括以下分步骤：

S11、使用数据流批量方式采集农作物病虫害图像。

S12、使用开源计算机视觉库OpenCV修改图像的格式，将所有图像统一为1024*1024大小。

进一步地，步骤S2包括以下分步骤：

S21、对常见的农作物病虫害进行分类，并设定病虫害识别规则。