[发明专利]一种基于深度学习算法的烟叶病虫害识别方法

说明书

本发明公开了一种基于深度学习算法的烟叶病虫害识别方法，包括：采集海量烟叶病虫害图片；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；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；获取待测病虫害图像的RGB图像信息；判断图像信息是否为烟叶图像信息，若是，执行以下步骤；使用建立好的烟叶病虫害识别模型识别出烟叶病害种类。本发明能够快速识别烟叶病虫害，及时采取正确的防治措施，将病情控制在最小范围，减少病虫害带来的经济损失的同时，促进烟叶生产高质量发展。

技术领域

本发明涉及烟叶病虫害识别技术领域，具体来说，涉及一种基于深度学习算法的烟叶病虫害识别方法。

背景技术

由于烟叶种植品种单一、重茬种植不合理、配套栽培措施不完善等原因，烟叶病害发病率高，不仅造成烟叶生产减产降质，同时引发过度施肥和农药、除草剂滥用等问题，对环境带来严重负担。

目前对于烟叶病害的观测方法停留在传统的实地目测上，依赖个人经验、通过烟叶的外观表型进行判断。由于烟农对于病虫害的发生发展规律和防治配套措施了解不足，往往不能准确判断和掌握病情，并采取有效的应对措施。而烟技员和专家虽然对于病害的判定与防治具有较为丰富的经验，但由于服务能力有限，无法及时为分散各处的农户提供现场服务。可见，通过人工进行烟叶病害判定的方式费时费力、效率较低、实时性差，烟叶生产病虫害误判、漏判、错判等现象时有发生，给烟叶生产带来严重的经济损失。

发明内容

本发明的目的在于提出一种基于深度学习算法的烟叶病虫害识别方法，以克服现有技术中存在的上述不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种基于深度学习算法的烟叶病虫害识别方法，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。

作为一种可选的实施方式，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。

作为一种可选的实施方式，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。

作为一种可选的实施方式，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。

作为一种可选的实施方式，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。

作为一种可选的实施方式，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；