[发明专利]杂草识别方法、装置及终端设备

说明书

本发明适用于神经网络技术领域，提供了一种杂草识别方法、装置及终端设备，所述方法包括：获取待识别杂草图像；将所述待识别杂草图像输入目标卷积神经网络模型，得到第一特征图；然后将所述第一特征图输入目标生成对抗网络，对所述第一特征图进行加噪处理；最后将经过加噪处理的第一特征图输入目标识别网络，得到所述第一特征图的分类概率及杂草预测位置。本发明通过综合利用卷积神经网络模型和生成对抗网络，能够增强杂草识别整体模型的鲁棒性，从而提高杂草识别的准确性和识别效率。

技术领域

本发明属于神经网络技术领域，尤其涉及一种杂草识别方法、装置及终端设备。

背景技术

草坪中的花草树木是园林自然景观的基础，对于园林功能的发挥至关重要。草坪杂草通常与景观植物伴随生长，种类繁多，生长迅速，具有较强的生命力。这些杂草不仅有双子叶的阔叶类杂草，也有单子叶的禾本科和莎草科杂草，滋生后与景观植物争夺养分和生长空间，在防控不力的情况下能够很快发展为优势种群，甚至引起原有的自然景观早衰和退化。因此，在园林自然景观的日常维护中，需要投入大量的成本对杂草进行清除和控制。

然而，准确识别杂草是智能化除草技术所要解决的关键问题，目前己经有多种识别技术与喷药机器人结合。在最近的现有技术中，大多数杂草识别技术仅限于阈值分割法，MATLAB图像处理，浅层卷积神经网络，多特征融合提取等传统的识别方法，这些技术实施起来相对简单易行，但识别效率和识别准确性仍然有待提高。

发明内容

有鉴于此，本发明实施例提供了一种杂草识别方法、装置及终端设备，以解决现有技术中杂草识别效率和识别准确性差的问题。

本发明实施例的第一方面提供了一种杂草识别方法，包括：

获取待识别杂草图像；

将所述待识别杂草图像输入目标卷积神经网络模型，得到第一特征图；

将所述第一特征图输入目标生成对抗网络，对所述第一特征图进行加噪处理；

将经过加噪处理的第一特征图输入目标识别网络，得到所述第一特征图的分类概率及杂草预测位置。

本发明实施例的第二方面提供了一种杂草识别装置，包括：

杂草图像识别模块，用于获取待识别杂草图像；

第一特征图获取模块，用于将所述待识别杂草图像输入目标卷积神经网络模型，得到第一特征图；

加噪处理模块，用于将所述第一特征图输入目标生成对抗网络，对所述第一特征图进行加噪处理；

杂草识别模块，用于将经过加噪处理的第一特征图输入目标识别网络，得到所述第一特征图的分类概率及杂草预测位置。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述杂草识别方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述杂草识别方法的步骤。

本发明实施例提供的杂草识别方法首先获取待识别杂草图像；将所述待识别杂草图像输入目标卷积神经网络模型，得到第一特征图；然后将所述第一特征图输入目标生成对抗网络，对所述第一特征图进行加噪处理；最后将经过加噪处理的第一特征图输入目标识别网络，得到所述第一特征图的分类概率及杂草预测位置。本实施例通过综合利用卷积神经网络模型和生成对抗网络，能够增强杂草识别整体模型的鲁棒性，从而提高杂草识别的准确性和识别效率。

附图说明