[发明专利]一种基于深度学习的农作物病害分析方法

权利要求书

1.一种基于深度学习的农作物病害分析方法，其特征在于，包括：

采集农作物相关数据，包括图像数据、天气数据、种植区域自然环境信息，所述图像数据为针对于某一区域的多角度数据，对所述农作物相关数据进行预处理操作、增强处理，将所述图像数据划分为若干个子图像，然后对处理后的数据分别进行训练，得到农作物病害分析模型；最后输出农作物病害类型及等级；

所述子图像通过叶片、果实、叶柄、茎、花进行划分；所述天气数据包括风速、风向、气温、云量、云底高度、地面气压、相对湿度、降水量、降水类型，所述自然环境信息包括空气信息和土壤信息、地理位置信息；

所述农作物病害分析模型通过采集数据的历史信息，对农作物病虫害进行预警分析，还用于对遭受把病虫害信息困扰的发病的农作物进行诊断，并计算病虫害的等级。

2.根据权利要求1所述的基于深度学习的农作物病害分析方法，其特征在于，所述农作物病虫害预警分析的方法为：建立农作物生长信息与预设农作物生长数据库之间的对应关系，通过对采集的农作物历史信息与预设农作物生长数据库内信息进行匹配，若匹配程度小于10％，则认定为有发生该病虫害的可能，并给出该病虫害的预防方法。

3.根据权利要求2所述的基于深度学习的农作物病害分析方法，其特征在于，在进行病虫害发生可能性预测时，根据季节、地理位置的不同对可能发生的病虫害进行预测，并将预测信息形成报告发送至客户端，提醒管理员做好农作物管理准备工作。

4.根据权利要求2所述的基于深度学习的农作物病害分析方法，其特征在于，所述预设农作物生长数据库包括多种农作物生长周期、生长规律，以及各生长阶段所需条件种植数据。

5.根据权利要求1所述的基于深度学习的农作物病害分析方法，其特征在于，所述农作物病害分析模型包括控制层、卷积层、中间层、输出层。

6.根据权利要求5所述的基于深度学习的农作物病害分析方法，其特征在于，所述中间层至少为一个，所述输入层的输出端与所述中间层的输入端连接，所述中间层的输出端与所述输出层的输入端连接,所述中间层包括池化层、全连接层。

7.根据权利要求1所述的基于深度学习的农作物病害分析方法，其特征在于，所述预处理过程包括：数据集进行缩放，裁剪到基准尺寸大小。

8.根据权利要求1所述的基于深度学习的农作物病害分析方法，其特征在于，所述数据的增强处理通过几何变换、颜色变换来实现。