[发明专利]一种玉米病害病情分级方法、系统和计算机设备

权利要求书

1.一种玉米病害病情分级方法，其特征在于，包括以下步骤：

步骤S1.获取正常玉米叶片图像，预处理后作为第一训练集；获取病害玉米叶片图像，预处理后划分为第二训练集和测试集；

步骤S2.搭建基于CNN的玉米病害分类神经网络，采用迁移学习的方法初始化所述分类神经网络的卷积层和全连接层的参数，再完成整个网络的训练和测试；

步骤S3.搭建基于U-net的面积分割神经网络，采用迁移学习的方法初始化所述面积分割神经网络前两层的网络参数，再完成整个网络的训练和测试；

步骤S4.采集待检测玉米叶片原图，将所述叶片原图输入训练好的玉米病害分类神经网络，得到待检测玉米所患病害的分类信息；将所述叶片原图输入训练好的面积分割神经网络，得到玉米病害区域和玉米叶片主体区域的mask二值图像，通过所述二值图像计算玉米病害区域在叶片主体区域上的面积占比；

步骤S5.根据步骤S4得到的所述玉米所患病害的分类信息和所述玉米病害区域在叶片主体区域上的面积占比信息，对待检测玉米所患病害病情进行分级；

其中，所述步骤S2包括以下步骤：

步骤S201.搭建包含卷积层、全连接层和分类层的玉米病害分类神经网络，并下载ImageNet数据集；

步骤S202.将所述第一训练集和ImageNet数据集合并后输入所述玉米病害分类神经网络进行训练得到源模型，用所述源模型卷积层和全连接层的网络参数初始化所述玉米病害分类神经网络卷积层和全连接层的网络参数；

步骤S203.随机初始化所述玉米病害分类神经网络分类层的网络参数；

步骤S204.用所述第二训练集完成整个网络的训练；

步骤S205.用所述测试集测试训练后的所述玉米病害分类神经网络的分类正确率是否达到预设要求。

2.如权利要求1所述的玉米病害病情分级方法，其特征在于：步骤S1所述获取正常玉米叶片图，预处理后作为第一训练集，包括以下步骤：

步骤S101.对获取到的正常玉米叶片图像进行降噪、白平衡调节和/或图像均值化的规一化改进；

步骤S102.通过曲线标注出图像中的玉米主体叶片区域；

步骤S103.将所有标注后的图像进行竖直旋转、水平翻转、亮度变化、对比度变化、随机翻转和/或随机裁剪的形态变化以及改变图像颜色通道参数的参数变化，保存所有变化结果作为第一训练集。

3.如权利要求1所述的玉米病害病情分级方法，其特征在于：步骤S1所述获取病害玉米叶片图像，预处理后划分为第二训练集和测试集，包括以下步骤：

步骤S111.对获取到的病害玉米叶片图像进行降噪、白平衡调节和/或图像均值化的规一化改进；

步骤S112.将经过所述规一化改进的图像划分为第二训练集和测试集；

步骤S113.通过曲线标注出所述第二训练集图像中的玉米主体叶片区域和病害区域，并标注叶片所患病害的种类；

步骤S114.将第二训练集和测试集中的所有图像进行竖直旋转、水平翻转、亮度变化、对比度变化、随机翻转和/或随机裁剪的形态变化以及改变图像颜色通道参数的参数变化，保存所有变化结果。

4.如权利要求1所述的玉米病害病情分级方法，其特征在于：步骤S3包括以下步骤：

步骤S301.搭建基于U-net的面积分割神经网络，并下载ImageNet数据集；

步骤S302.将所述第一训练集和ImageNet数据集合并后输入所述面积分割神经网络进行训练得到源模型，用所述源模型的前两层网络参数初始化所述面积分割神经网络的前两层网络参数；

步骤S303.随机初始化所述面积分割神经网络其他网络层参数；

步骤S304.用所述第二训练集完成整个网络的训练，根据网络目标函数的收敛情况判定网络是否完成训练；

步骤S305.用所述测试集验证训练后的所述面积分割神经网络输出的玉米病害区域和玉米叶片主体区域的mask二值图像误差值是否在预设的范围内。

5.如权利要求4所述的玉米病害病情分级方法，其特征在于，根据网络目标函数的收敛情况判定网络是否完成训练的方法是：使用MIoU值来判定网络是否完成训练。