[发明专利]基于深度学习的柑橘红蜘蛛虫害的识别方法

权利要求书

1.基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于，包括：

采集柑橘红蜘蛛虫害图像，并对所述柑橘红蜘蛛虫害图像进行预处理；

对所述图像数据进行数据标签标定，制作深度学习数据集；

将深度学习数据集在卷积神经网络中训练，获得训练后的柑橘红蜘蛛虫害识别模型；

将待识别图像输入柑橘红蜘蛛虫害识别模型，得到所述柑橘红蜘蛛虫害识别模型的识别结果。

2.根据权利要求1所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于，所述将深度学习数据集在卷积神经网络中训练，获得训练后的柑橘红蜘蛛虫害识别模型包括：

构建Mask R-CNN模型；

提取所述深度学习数据集中样本的特征点；

通过所述特征点对Mask R-CNN模型进行训练；

将所述Mask R-CNN模型带入卷积神经网络中，得到所述柑橘红蜘蛛虫害识别模型。

3.根据权利要求2所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于:

所述特征点包括所述柑橘红蜘蛛图像中柑橘红蜘蛛的纹理、形状、尺寸和颜色。

4.根据权利要求2所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于，所述通过所述特征点对Mask R-CNN模型进行训练包括：

通过语义分割将所述柑橘红蜘蛛虫害图像分为病症诱发区、次级继续解析区和广收集区，并对所述病症诱发区、次级继续解析区和广收集区从高到低设置图像解析权重；

基于高解析权重，对病症诱发区解码提取病症图片特征以识别主要病因；

基于中解析权重，对次级继续解析区大范围搜索病症并对病症进行标记；

基于低解析权重，对广收集区搜索扩散的病症；

结合病症诱发区、次级继续解析区和广收集区的数据，实现柑橘红蜘蛛虫害识别。

5.根据权利要求1所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于：

所述卷积神经网络采用深度卷积神经网络模型AlexNet、VGG-16或GoogLeNet。

6.根据权利要求1所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于：

所述深度学习数据集包括训练集、验证集和测试集。

7.根据权利要求1所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于：

所述数据标签标定包括标注出所述柑橘红蜘蛛虫害图像中的害虫、农作物、背景和虫害类别。

8.根据权利要求1所述的基于深度学习的柑橘红蜘蛛虫害的识别方法，其特征在于：

所述预处理包括对所述柑橘红蜘蛛虫害图像空白部分进行裁剪和归一化处理。