[发明专利]虫害识别方法、装置、计算机设备及存储介质有效

专利信息
申请号: 201910549639.8 申请日: 2019-06-24
公开(公告)号: CN110363103B 公开(公告)日: 2021-08-13
发明(设计)人: 唐宇;骆少明;庄家俊;侯超钧;郭琪伟;褚璇;苗爱敏;陈亚勇;高升杰;朱耀宗;程至尚 申请(专利权)人: 仲恺农业工程学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06K9/38;G06T5/00;G06T5/30;G06T7/11;G06T7/136;G06T7/194
代理公司: 深圳众鼎专利商标代理事务所(普通合伙) 44325 代理人: 姚章国
地址: 510225 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 虫害 识别 方法 装置 计算机 设备 存储 介质
【说明书】:

发明公开了一种虫害识别方法、装置、计算机设备及存储介质,所述方法包括:获取待识别图像集;对待识别图像集中的每一待识别图像进行图像分割,得到每一待识别图像的图像分割信息;若待识别图像集中图像分割信息一致的数量达到预设的数量阈值,则根据图像分割信息将对应的待识别图像进行划分,得到M个虫体图像;对每一虫体图像进行分类识别,得到每一待识别图像的虫害识别结果;根据每一待识别图像的虫害识别结果组成待识别图像集的虫害识别信息。该虫害识别方法提高了虫害识别结果的效率和准确度。

技术领域

本发明涉及图像识别领域,尤其涉及一种虫害识别方法、装置、计算机设备及存储介质。

背景技术

目前,对于农作物生长繁育过程中的虫害识别主要集中在对拍摄的农作物图片的背景、或者灰度图像的分割处理上。但在实际应用中,受到农田环境因素的影响,例如农作物叶片、杂草、土壤、光照或者图像采集平台背景颜色的影响等,拍摄获得的图片一般具有复杂的背景。针对图像背景颜色分布集中、作物虫害隐藏深、体积小、种类多、形态类似等问题,通常采用基于深度学习的方法进行识别,然而,采用上述方法对虫害环境要求较高,因此,现有的对农作物虫害的识别,识别准确率较低。

发明内容

本发明实施例提供一种虫害识别方法、装置、计算机设备及存储介质,以解决虫害识别效率不高的问题。

一种虫害识别方法,包括:

获取待识别图像集,其中,所述待识别图像集包括至少两幅从不同角度采集的待识别图像;

对所述待识别图像集中的每一所述待识别图像进行图像分割,得到每一所述待识别图像的图像分割信息;

若所述待识别图像集中图像分割信息一致的数量达到预设的数量阈值,则根据所述图像分割信息将对应的所述待识别图像进行划分,得到M个虫体图像;

对每一所述虫体图像进行分类识别,得到每一所述待识别图像的虫害识别结果;

根据每一所述待识别图像的虫害识别结果组成所述待识别图像集的虫害识别信息。

一种虫害识别装置,包括:

图像集获取模块,用于获取待识别图像集,其中,所述待识别图像集包括至少两幅从不同角度采集的待识别图像;

图像分割信息获取模块,用于对所述待识别图像集中的每一所述待识别图像进行图像分割,得到每一所述待识别图像的图像分割信息;

虫体图像获取模块,用于若所述待识别图像集中图像分割信息一致的数量达到预设的数量阈值,则根据所述图像分割信息将对应的所述待识别图像进行划分,得到M个虫体图像;

识别结果获取模块,用于对每一所述虫体图像进行分类识别,得到每一所述待识别图像的虫害识别结果;

识别信息获取模块,用于根据每一所述待识别图像的虫害识别结果组成所述待识别图像集的虫害识别信息。

一种计算机设备,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上述虫害识别方法。

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上述虫害识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于仲恺农业工程学院,未经仲恺农业工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910549639.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top