[发明专利]一种鲁棒的作物病害诊断系统

说明书

本发明提供一种鲁棒的作物病害诊断系统，包括以下步骤：S1、使用者通过智能手机拍摄待检测的农作物叶面，得到待检测农作物的叶面图片；S2、针对步骤S1得到的图片，使用Canny边缘检测算法进行处理，得到叶面边缘的二值图；S3、根据步骤S1得到的图片，将其送入病虫害检测模块的非局部空间注意力卷积分支提取，得到第一特征。本发明所述的一种鲁棒的作物病害诊断系统，通过计算机算法对摄像头获取到的植物茎叶图片对植物的健康状态进行判断，如果有病害存在则诊断出病害的种类，属于计算机视觉技术领域，在于实现一种可以在移动端运行、兼具实时性以及准确性的深度神经植物病虫害检测模型，代替目前的人工识别方式。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种鲁棒的作物病害诊断系统。

背景技术

农业为重要的支柱性产业，长期以来由于病虫害的危害，造成粮食作物和经济作物的减产，严重影响了地区农业经济的可持续发展。农作物病虫害是是我国的主要农业灾害之一，对病害进行诊断治疗有助于及时防治病虫害、提高农作物的产量并减少经济损失。但农作物病虫害的种类非常之多，普通人难以仅通过外观对遭病害的植物诊断出准确的病症。

在传统做法中，通常由农作物种植人员直接诊断农作物发生的病虫害，这种方式不但耗时费力且由于病害种类的庞杂，直接诊断有较大概率出错，使患病的作物无法得到适合的治疗。通过手机摄像头获取患病作物的图片并结合计算机算法来处理这些图片可以快速得到准确的诊断结果，这种做法的主要优势在于准确度高，实时性好且诊断成本较低。

近些年来，随着人工智能的不断发展，自动检测识别技术开始越来越多地应用到工业生产、社会安防和农业监测等各个方面。由于移动设备具有无疲劳、低功耗和计算准确等优点，基于移动端的自动检测识别技术给人们的生活带来了极大的便利。但在农作物识别方面，目前国际国内仍然没有高准确度的移动端自动化方案提出。

发明内容

本发明的主要目的在于提供了一种鲁棒的作物病害诊断系统，可以有效解决背景技术中提出的问题。

为实现上述目的，本发明采取的技术方案为：

一种鲁棒的作物病害诊断系统，包括以下步骤：

S1、使用者通过智能手机拍摄待检测的农作物叶面，得到待检测农作物的叶面图片；

S2、针对步骤S1得到的图片，使用Canny边缘检测算法进行处理，得到叶面边缘的二值图；

S3、根据步骤S1得到的图片，将其送入病虫害检测模块的非局部空间注意力卷积分支提取，得到第一特征；

S4、根据步骤S2得到的二值图，将其送入快速下采样支路提取，得到第二特征；

S5、根据步骤S3得到的第一特征与步骤S4得到的第二特征，使用1×1的卷积融合这两个特征，得到第三特征；

S6、根据步骤S5得到的第三特征，使用双线性池化层对其进行处理，得到第四特征；

S7、根据步骤S6得到的第四特征，使用全连接层对其进行处理，得到最终的分类向量。

优选的，所述步骤S1中照片中叶面所占像素不少于100*100，相机拍摄方向与叶面平面的夹角在90±10度。

优选的，所述步骤S3中的非局部空间注意力卷积分支由去掉了全连接层的ResNet18和非局部空间注意力卷积层所构成；设输入的特征为X，输出的特征为Y，则设计的非局部空间注意力卷积层公式如下：

spacial(X)＝Sigmoid(W_e·concat(maxpool(X)，avgpool(X)))  (2)

Y＝X+spacial(X)*X+nonlocal(X)  (3)