[发明专利]一种基于卷积神经网络的马铃薯病害识别方法

权利要求书

1.一种基于卷积神经网络的马铃薯病害识别方法，其特征在于，包括以下步骤：

步骤1、运用数码相机和摄像机在马铃薯田间进行马铃薯害病图像采集，将采集后的图像分辨率统一缩放为224×224，然后按病害类别对图像进行贴标签，得到具有样本标签的原始马铃薯叶片病害图像数据集；

步骤2、对步骤1所得到的具有样本标签的原始马铃薯病害图像数据集进行数据增广操作，将原始数据集中的每幅图像通过随机反转和变换角度等多种操作方式进行图像数据扩充；

步骤3：将通过步骤2得到的马铃薯病害图像扩充数据集通过中值滤波处理和图像标准化进行图像预处理操作；

步骤4：将步骤3得到的预处理后的马铃薯病害图像数据集做随机置乱处理，并将处理后的数据集按照一定比例划分为训练集和验证集；

步骤5：建立用于马铃薯常见病害识别的卷积神经网络模型，该模型主要基于ResNet网络模型，该模型主要包括多层结构的模块，第一个模块包括卷积层，ReLu层和池化层等；最后一个模块，包括池化层和全连接层，中间设有以残差结构为主的模块；

步骤6：利用步骤4得到的训练集输入到步骤5建立的卷积神经网络中进行模型训练，在训练前，利用迁移学习算法进行模型优化，获得优化后卷积神经网络模型；

步骤7：将步骤4中得到的测试集图像输入到通过步骤6得到的优化后卷积神经网络模型，完成对马铃薯病害种类的识别。

2.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：在步骤1中，所述的原始马铃薯病害数据包括马铃薯晚疫病、早疫病、炭疽病的图像。

3.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：步骤2的具体步骤是：将步骤1中贴标签后的图像进行数据增广操作，将每幅图像通过随机翻转和变换角度的操作方式进行图像数据扩充；其中，每种操作方式对标注后数据集扩充1倍。

4.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：步骤3所述的图像中值滤波预处理操作方法进行预处理，从而获取消除孤立噪声点后的图像；再通过图像标准化预处理方法将数据通过去均值实现中心化处理，最后再运用其他预处理方法进行进一步处理。

5.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：步骤4所述的按一定比例划分训练集、验证集，训练集数据较多于验证集，且训练集、验证集的图像中同时包括马铃薯的常见病害类型。

6.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：步骤5中，以残差结构为主的模块，依据网络深度的不同而有所调节，全连接层输入神经元节点个数根据需要进行调整链路层结构，输出神经元节点个数为即为马铃薯病害类型数，输出层分类函数采用Softmax分类函数。

7.根据权利要求1所述的一种基于卷积神经网络的马铃薯病害识别方法，其特征在于：在步骤6中，所述网络模型训练需要进行多次迭代训练，直到网络模型的损失函数收敛，即损失函数降低到一定程度后趋于稳定，获得病害识别率较高的网络模型。