[发明专利]一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法

权利要求书

1.一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，包括以下步骤：

步骤一，训练检测模型：采集大量香蕉枯萎病的遥感图像，形成全卷积神经网络的训练数据集和测试数据集，对全卷积神经网络进行训练；

步骤二，输入遥感图像：拍摄待检测区域的遥感图像，将图像尺寸调整为512×512×3，输入到全卷积神经网络；

步骤三，循环3轮两次卷积+1次最大值池化操作：将512×512×3的图像进行六次卷积+三次最大值池化操作，得到64×64×512大小的图像；

步骤四，循环3轮两次卷积+一次上采样操作：将64×64×512的图像进行六次卷积+三次上采样操作，得到512×512×192大小的图像；

步骤五，特征信号的深度提取：将512×512×192大小的图像进行两次卷积，得到512×512×1的图像；

步骤六，判断图像像素是否患病：使用Softmax分类器对512×512×1的图像进行枯萎病判别，输出判别结果。

2.根据权利要求1所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，步骤二中输入的遥感图像为多光谱遥感图像，且遥感图像采用无人机搭载多光谱相机飞行拍摄的方式获得。

3.根据权利要求2所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，所述多光谱相机配备490±10nm、615±10nm、808±20nm波段的窄带滤光片。

4.根据权利要求1所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，循环3轮两次卷积+1次最大值池化操作，具体步骤包括：

S1：输入512×512×3大小的图像经过两次卷积+一次最大值池化，得到256×256×128大小的图像；

S2：输入256×256×128大小的图像经过两次卷积+一次最大值池化，得到128×128×256大小的图像；

S3：输入128×128×256大小的图像经过两次卷积+一次最大值池化，得到64×64×512大小的图像。

5.根据权利要求1所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，循环3轮两次卷积+一次上采样操作，具体步骤包括：

S4：输入64×64×512大小的图像经过两次卷积+一次上采样，与128×128×256大小的图像连接，得到128×128×764大小的图像；

S5：输入128×128×764大小的图像经过两次卷积+一次上采样，与256×256×128大小的图像连接，得到256×256×384大小的图像；

S6：输入256×256×384大小的图像经过两次卷积+一次上采样，与512×512×64大小的图像连接，得到512×512×192大小的图像。

6.根据权利要求1所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，Softmax分类器给图像上的每一个像素分类出患病和不患病的概率，并且患病与不患病的概率总和为1；根据分类的概率大小判定这个像素是否患病。

7.根据权利要求1所述的一种基于全卷积神经网络的香蕉枯萎病遥感快速检测方法，步骤六中Softmax分类器判断图像像素是否患病后，返还出检测图像结果，把检测出的疑似患病区域在图像上标注显示，并返回拍摄该多光谱图像时的GPS经纬度坐标；由种植人员实地对疑似患病区域进行重点检测。