[发明专利]一种基于深度学习的柑橘病虫害智能诊断方法及系统

说明书

本发明公开了一种基于深度学习的柑橘病虫害智能诊断方法及系统，该方法的步骤：步骤1：基于专家经验建立黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病这6类柑橘病害的图像数据集；步骤2：使用五种数据增强的方法扩充训练集和测试集；利用增强后的训练集和验证集对简化的DenseNet网络进行训练，保存模型至系统中；利用测试集对模型的性能进行评价。步骤3：在微信小程序的基础上建立了柑橘病诊断系统，用户通过手机使用小程序拍照/上传图像，通过上传的训练好的卷积网络模型进行诊断，再返回智能诊断结果及病虫害防治建议给用户，实现柑橘病虫害智能诊断。

技术领域

本发明涉及一种基于深度学习的柑橘病虫害智能诊断方法及系统。

背景技术

柑橘是世界上种植面积最大的水果之一。然而，日益严重的柑橘病害给广大的橘农带来了巨大的经济损失。随着移动设备的快速发展，移动服务在人民群众的日常生活中扮演着越来越重要的角色。如何开发基于移动服务的柑橘病害智能诊断系统，搭建橘农与专家之间的桥梁，实现让所有的橘农成为专家，是一个值得研究的课题。

据不完全统计，世界上有140多个国家种植柑橘。由于气候变暖、禁止使用剧毒农药、柑橘树老化、除草剂滥用等因素，柑橘病虫害日益严重。

柑橘黄龙病(Citrus huanglongbing，HLB)是柑橘生产上最具毁灭性的世界性病害，在亚洲、非洲、南美洲和北美洲的40多个国家都有该病的发生。目前，我国许多省份都受到黄龙病菌的侵害。柑橘黄龙病潜伏期长，早期也没有明显的特异性病症，与缺素、土壤病原物为害引起的变色容易混肴，常造成误判。目前，目前，多聚酶链反应(PCR)技术通常用于检测入侵柑橘的病原菌，来判断是否受到柑橘黄龙病菌的侵染。但由于柑橘黄龙病菌在柑橘体内分布不均匀，因取样部位、DNA提取等多种因素，常造成假阴性。

炭疽病(Anthracnose)是柑橘最常见的病害之一，它具有危害广和危害时间长的特点，主要危害叶片、枝条、花、果实和果柄。炭疽病严重发生时常造成柑橘品种大量落叶、落花、落果、枝条枯死和果实腐烂。

柑橘溃疡病(Canker)是柑橘栽培中面临的重大挑战，它主要危害柑橘叶片、枝梢和果实。幼树受害特别严重会造成落叶、枯梢，影响树势；果实受害重者落果，轻者带有病疤不耐贮藏，容易发生腐烂，大大降低果实商品价值，使果农防治成本增加，经济效益受损。

柑橘黑星病(Black spot)在大部分柑橘产区普遍发生，主要危害果实，症状多出现在近成熟的果实上。黑星病病菌主要侵染幼果，但在幼果期无明显症状，果实膨大期至成熟期开始在表皮上出现病斑，致使鲜果的商品性下降，甚至完全丧失。

柑橘砂皮病(Sand paper rust)是由柑橘间座壳菌(Diaporthecitri)引起的一种真菌性病害，主要危害柑橘的嫩叶、嫩梢和幼果，病部表面产生黑褐色胶质小粒点，表面变得粗糙，影响商品性。

柑桔疮痂病(Scabis)，通常是由Elsinoefawcettii引起。它是柑橘的重要真菌病害之一，不仅危害新梢果实，而且危害花萼和花瓣。

柑橘病传播途径广、传染迅速，单凭人工肉眼进行识别，效率低下，准确率低。

因此，针对以上问题，有必要设计一种基于深度学习的柑橘病虫害智能诊断方法及系统。

发明内容

本发明所要解决的技术问题是提供一种实用的、低温下可用的基于深度学习的柑橘病虫害智能诊断方法及系统，该基于深度学习的柑橘病虫害智能诊断方法及系统诊断效率高，准确率高。

发明的技术解决方案如下：

一种基于深度学习的柑橘病虫害智能诊断方法，包括以下步骤：

步骤1：基于专家经验建立6类柑橘病害的图像数据集；

该6类柑橘病害是指：黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病；