[发明专利]基于人工智能的马铃薯病害监测方法、系统及电子设备

说明书

本发明涉及一种基于人工智能的马铃薯病害监测方法、系统及电子设备，基于SVM算法和卷积神经网络算法CNN得到马铃薯病害识别算法，能对采集到的马铃薯的待识别图像进行病害识后得到病害识别结果，解决了马铃薯病害识别问题，然后将病害识别结果反馈给用户，而且，本申请的马铃薯病害识别算法是基于SVM算法和卷积神经网络算法CNN，即基于人工智，在一定程度上提高了对马铃薯的病害识别结果的准确率，且减少人工巡查和人工查阅资料的工作量，能方便、及时且精确地对马铃薯的病害进行实时监测。

技术领域

本发明涉及农业技术领域，尤其涉及一种基于人工智能的马铃薯病害监测方法、系统及电子设备。

背景技术

我国是世界马铃薯第一生产大国，种植面积和产量约占世界的1/4。近年来，随着人们对粗粮需求量的增加，马铃薯加工技术的提高，马铃薯的种植规模、面积不断扩大。马铃薯病害也逐年加重，成为限制马铃薯高产、丰产的主要因素之一，严重影响了马铃薯产业的发展。而且对于大多数农户来说，由于耕作面积大，人员巡查方式无法及时发现病害，从而导致无法提前进行药物喷射以及病害的控制，不仅严重影响到了马铃薯的生长，降低了马铃薯的质量及产量，严重时更是导致马铃薯绝产。

因此，如何更方便及时且精确地对马铃薯的病害进行实时监测、且能节省人力成本是业内亟待解决的技术问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于人工智能的马铃薯病害监测方法、系统及电子设备。

本发明的一种基于人工智能的马铃薯病害监测方法的技术方案如下：

S1、采集马铃薯的待识别图像；

S2、调用基于SVM算法和CNN算法的马铃薯病害识别算法对所述待识别图像进行病害识别后得到病害识别结果；

S3、将所述病害识别结果进行反馈。

本发明的一种基于人工智能的马铃薯病害监测方法的有益效果如下：

基于SVM算法和卷积神经网络算法CNN得到马铃薯病害识别算法，能对采集到的马铃薯的待识别图像进行病害识后得到病害识别结果，解决了马铃薯病害识别问题，然后将病害识别结果反馈给用户，而且，本申请的马铃薯病害识别算法是基于SVM算法和卷积神经网络算法CNN，即基于人工智，在一定程度上提高了对马铃薯的病害识别结果的准确率，且减少人工巡查和人工查阅资料的工作量，能方便、及时且精确地对马铃薯的病害进行实时监测。

在上述方案的基础上，本发明的一种基于人工智能的马铃薯病害监测方法还可以做如下改进。

进一步，所述马铃薯病害识别算法具体为：

S20、从预先采集的马铃薯图像中识别出不同病害所对应的病斑，并获取每种所述病斑对应的多组所述病斑特征来构成马铃薯病害信息数据库；

S21、将所述马铃薯病害信息数据库中的全部病斑特征进行归一化后得到归一化马铃薯病害信息数据库，以所述归一化马铃薯病害信息数据库作为所述SVM算法的训练样本集，采用径向基函数进行训练后得到训练模型，根据所述训练模型对马铃薯病害信息数据库中的每种病害进行识别，得到第一识别结果Q1；

S22、以所述马铃薯病害信息数据库作为所述CNN算法的训练样本集，训练出CNN模型，根据所述CNN模型对所述马铃薯病害信息数据库中的每种病害进行识别，得到第二识别结果Q2；

S23、通过第一公式得到比例系数W，进而得到所述马铃薯病害识别算法为：

第一公式为：其中，F表示所述马铃薯病害信息数据库中的真实结果。

采用上述进一步方案的有益效果是：具体说明了得到马铃薯病害识别算法的过程。

进一步，S20具体为：