[发明专利]一种用于监测病虫害的无人机系统的甜菜相关病症分析方法

权利要求书

1.一种用于监测病虫害的无人机系统，其特征在于，所述无人机包括机架(1)、固定圈(2)、固定架(3)、旋翼(4)、支撑架(5)和无人机智能监测模块(6)，所述固定圈(2)的中心穿过机架(1)，所述机架(1)的底端与无人机智能监测模块(6)相连接，所述固定圈(2)的上端还设置一组固定架(3)，每个所述固定架(3)均与一个旋翼(4)相连接，所述固定圈(2)的底端设置一组支撑架(5)；

所述无人机智能监测模块(6)包括无人机单元和图像分析单元，所述无人机单元用于控制无人机，同时进行采集信息和传输信息，所述图像分析单元用于算法处理图像和分析图像。

2.利用权利要求1的一种用于监测病虫害的无人机系统的甜菜相关病症分析方法，其特征在于，所述分析方法包括以下步骤：

步骤1：利用甜菜的各个生长时期正常的生长状态及甜菜经历不同程度的各类病虫害后的生长状态图片，对于正常状态下的甜菜及经历不同程度的各类病虫害状态下的甜菜的特征进行采集；

步骤2：通过架构模块构建Tensorflow模型中第一个的卷积层对应的过滤器filter1；

步骤3：利用步骤2中设置的第一个的卷积层对应的过滤器filter1，对处于正常状态下及经历不同程度的各类病虫害状态下的3个通道的甜菜图像进行微分处理，将3个通道的甜菜图像采集成深度为64的数组；

步骤4：进入池化层采用最大池化策略，得到体现信息的数组，在卷积网络模型中，利用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性；

步骤5：将步骤4中的数组作为本步骤所进行的卷积层的输入，对正常状态下的甜菜及经历不同程度的各类病虫害状态下的甜菜图像数据集进行更深层次、更细粒度、更高级的单元微分及特征提取，利用步骤2中的Tensorflow模型对应用于本层的卷积过滤器filter2参数进行调整，最终选用维度参数为[5，5，64，128]的过滤器filter2对输入进行过滤操作；

步骤6：将步骤5中得到的，由单元数组S4所提取出的特征单元数组进行2d的数据处理，输出成深度为128的50*50单元集；

步骤7：将步骤6中的深度为128的50*50单元集作为本步骤所进行的卷积层的输入，对正常状态下的甜菜及经历不同程度的各类病虫害状态下的甜菜图像数据集进行再次进行更深层次、更细粒度、更高级的单元微分及特征提取，利用步骤2中的Tensorflow模型对应用于本层的卷积过滤器filter3参数进行调整，最终选用维度参数为[25，25，25，128]的过滤器filter3对输入进行过滤操作；

步骤8：对步骤7过滤操作后的结果单元进行扁平化处理和平铺；

步骤9：用第一层全连接层进行第一次缩小特征节点的标注；

步骤10：用第二层全连接层对步骤9中标注的特征节点进行第二次缩小特征节点的标注；

步骤11：对步骤10得出的第二次标注的特征节点，采用dropout层来减少过拟合程度和欠拟合程度；

步骤12：以交叉熵作为损失函数，对步骤2-步骤11所得的各个参数进行调整；

步骤13：最后将步骤12所获取的特征进行相加，所得的总和来分配相应权重构建分类函数，让模型反馈输出识别的结果。

3.根据权利要求2所述甜菜相关病症分析方法，其特征在于，所述步骤10中具体为用第一层全连接层处理后的标注进行第二次缩小，此层的全连接层将范围标注由第一次缩小特征节点的标注1024个缩小至512个特征。