[发明专利]蚕病识别系统

权利要求书

1.蚕病识别方法，其特征在于，包括以下步骤：

步骤a、获取多张蚕图片，对蚕图片进行分类标注，分类标注包括蚕图片的蚕病名称；

步骤b、构建TensorFlow框架，以多张已分类标注的蚕图片为训练集，提取训练集中蚕图片的图像特征向量，以训练集的蚕图片的图像特征向量和对应的分类标注训练TensorFlow框架，得到蚕病识别模型；

步骤c、提取待识别的蚕图片的图像特征向量，输入至蚕病识别模型，输出得到与待识别的蚕图片对应的分类标注；

还包括识别验证，其包括以下步骤：

步骤d、将每张蚕图片随机旋转得到多张旋转角度不同的蚕图片，并对蚕图片进行分类标注；

步骤e、构建图形变分自编码器，选取多张分类标注为同一类的蚕图片为训练集，提取训练集的蚕图片的图像特征向量，以训练集的蚕图片的图像特征向量训练图形变分自编码器，得到该分类标注的图形变分自编码器；

步骤f、按分类标注的种类，按照步骤e的方法，得到多个分类标注的图形变分自编码器；

步骤g、将待识别的蚕图片随机旋转得到多张旋转角度不同的蚕图片，提取蚕图片的图像特征向量，分别输入至与步骤c中输出的分类标注类型对应的图形变分自编码器，输出得到多个图像特征的损失值；

步骤h、与预设的损失值阈值比较，若均在损失值阈值范围内，则输出步骤c中得到的分类标注。

2.如权利要求1所述的蚕病识别方法，其特征在于，还包括在对蚕图片提取特征向量前，对蚕图片进行预处理，预处理包括统一蚕图片的背景、统一蚕图片的像素、统一蚕图片的尺寸。

3.如权利要求1所述的蚕病识别方法，其特征在于，步骤c中通过欧式距离比对待识别的蚕图片的图像特征向量与训练集中的蚕病图的图像特征向量，进行相似度匹配检索，将相似值按从高至低的顺序排列，选取排列位于前N个的训练集中的蚕病图片的分类标注并输出，其中，N为大于0的整数。

4.如权利要求1所述的蚕病识别方法，其特征在于，损失值采用重建损失和KL散度的和计算得到。

5.如权利要求1所述的蚕病识别方法，其特征在于，还包括将蚕病名称与蚕病名称对应的症状、病因、治疗方法的信息关联。

6.如权利要求2所述的蚕病识别方法，其特征在于，统一蚕图片的背景的方法具体为：选取一张蚕叶图片为标准图片，计算标准图片的全部像素点的亮度值的平均值，得到第一光照强度信息，计算标准图片的全部像素点的灰阶值的平均值，得到第二光照强度信息；

根据第一光照强度信息和第二光照强度信息，确定环境光补偿数据；

根据环境光补偿数据对蚕病图片进行曝光补偿处理，得到统一背景的蚕图片。

7.蚕病识别系统，其特征在于，包括：

蚕图片采集模块，其用于获取蚕图片；

图片处理模块，其用于对蚕图片进行预处理，对蚕图片提取图像特征向量；

蚕图片识别模块，其用于构建TensorFlow框架，以多张已分类标注的蚕图片为训练集，以训练集的蚕图片的图像特征向量和对应的分类标注训练TensorFlow框架，得到蚕病识别模型，用于以待识别的蚕图片的图像特征向量为输入值，输出得到与该待识别的蚕图片对应的分类标注；

显示模块，其用于显示蚕图片和分类标注；

还包括蚕病验证模块，其包括：

处理单元，其用于将每张蚕图片随机旋转得到多张旋转角度不同的蚕图片；

提取单元，其用于选取多张分类标注为同一类的蚕图片为训练集，提取蚕图片的图像特征向量；

判别单元，其用于构建图形变分自编码器，选取多张分类标注为同一类的蚕图片为训练集，提取训练集的蚕图片的图像特征向量，以训练集的蚕图片的图像特征向量训练图形变分自编码器，得到该分类标注的图形变分自编码器；

验证单元，其用于将多张旋转角度不同的待识别的蚕图片的图像特征向量，分别输入至与所述蚕图片识别模块输出的分类标注类型对应的图形变分自编码器，输出得到多个图像特征的损失值，并且与预设的损失值阈值比较，若均在损失值阈值范围内，则输出所述蚕图片识别模块得到的分类标注。

8.如权利要求7所述的蚕病识别系统，其特征在于，所述图片处理模块用于统一蚕图片的背景。