[发明专利]一种基于深度学习算法的烟叶病虫害识别方法

权利要求书

1.一种基于深度学习算法的烟叶病虫害识别方法，其特征在于，所述方法包括：

1）采集海量烟叶病虫害图片；

2）去掉不合格的烟叶病虫害图片，将合格的烟叶病虫害图片按照烟叶病虫害的种类进行分类存放作为训练样本库；

3）使用GoogLeNet模型并采用改进后的Inception结构实现烟叶病虫害识别模型的建立；

4）获取待测病虫害图像的RGB图像信息；

5）判断所述图像信息是否为烟叶图像信息，若是，执行以下步骤；

6）使用建立好的烟叶病虫害识别模型识别出烟叶病害种类。

2.根据权利要求1所述的方法，其特征在于，还包括：

7）将步骤6）中的用于进行识别的烟叶病虫害图片加入所述训练样本库。

3.根据权利要求1所述的方法，其特征在于，步骤1）中依托全国22个烟叶产区烟叶系统实施运维人员、烟技员和烟农广泛采集不同产区、不同品种和不同病虫害在烟叶各个生长阶段的海量烟叶病虫害图片。

4.根据权利要求1所述的方法，其特征在于，步骤2）中依托烟科所专门研究烟叶病虫害的农艺师去掉不合格的烟叶病虫害图片，将合格的烟叶病虫害图片按照烟叶病虫害的种类进行分类存放作为训练样本库。

5.根据权利要求4所述的方法，其特征在于，所述农艺师的个数至少为2个，所述训练样本库中的烟叶病虫害图片只存放所有农艺师审核意见一致的烟叶病虫害图片。

6.根据权利要求1所述的方法，其特征在于，步骤3）包括：

3.1）GoogLeNet模型共有22层，在第一个卷积层conv1中，pad是3，64个特征，7*7步长为2，输出特征为112*112*64，然后进行relu，经过pool1进行pooling3*3的核，步长为2，[(112-3+1)/2]+1＝56特征为56*56*64，然后进行Normal归一化；

3.2）第二层卷积层conv2，pad是1，3*3，192个特征，输出为56*56*192，然后进行relu，进行norm，经过pool2进行pooling，3*3的核，步长为2输出为28*28*192然后进行split分成四个支线；

3.3）第三层时开始inceptionmodule；

3.4）最后将四个结果进行连接，输出为28*28*256。

7.根据权利要求1所述的方法，其特征在于，步骤5）利用卷积神经网络进行特征提取，然后在顶层添加一个LogisticRegression分类器进行是否烟叶的二分类。