[发明专利]一种作物病虫害识别方法及装置

说明书

本发明提供一种作物病虫害识别方法及装置，所述方法包括：获取作物叶片病害及作物虫害的图像信息；将所述图像信息上传至服务器端，所述服务器端将所述图像信息输入至病虫害识别模型，所述病虫害识别模型输出与所述图像信息对应的病虫害类型；接收并显示所述服务器端发送的所述病虫害类型；其中，所述病虫害识别模型是以作物的病虫害图像为样本，以与所述病虫害图像对应的病虫害类型为标签，进行训练获取的。本发明便于用户快捷准确地识别作物的病虫害，使得对作物病虫害的识别不受到地域的限制，提高了病虫害识别的便捷性。

技术领域

本发明涉及病虫害识别技术领域，尤其涉及一种作物病虫害识别方法及装置。

背景技术

作物是直接或间接为人类需要而栽培的植物，主要包括粮食作物与经济作物。茶叶作为经济作物，已经成为世界范围内广受青睐的无酒饮料之一。在茶树种植过程中，病虫害防治是当中的一个重要的环节。只有识别准确方可对症下药，正确地识别病虫是病虫科学防治的前提，也是科学用药、提高茶叶质量和安全水平的关键。

茶园病虫种类繁多，目前已有记录的病虫多达930种，这也为传统的人工识别病虫害类型的方式增加了难度。当前，尽管基于人工智能和深度学习为解决茶叶病虫害的识别问题提供了新思路，但是，相关病虫害识别设备受限于实验室，无法为用户快捷准确地识别茶叶的病虫害提供便利。

发明内容

本发明提供一种作物病虫害识别方法及装置，用以解决现有的病虫害识别设备无法为用户快捷准确地识别作物的病虫害提供便利的问题。

本发明提供一种作物病虫害识别方法，包括：获取作物叶片病害及作物虫害的图像信息；将所述图像信息上传至服务器端，所述服务器端将所述图像信息输入至病虫害识别模型，所述病虫害识别模型输出与所述图像信息对应的病虫害类型；接收并显示所述服务器端发送的所述病虫害类型；其中，所述病虫害识别模型是以作物的病虫害图像为样本，以与所述病虫害图像对应的病虫害类型为标签，进行训练获取的。

根据本发明提供的一种作物病虫害识别方法，所述服务器端将所述图像信息输入至病虫害识别模型，所述病虫害识别模型输出与所述图像信息对应的病虫害类型，还包括：所述服务器端将所述病虫害类型及与所述病虫害类型对应的防治措施和科普知识发送至客户端，所述客户端设置于移动终端上；所述移动终端能够接收用户对所述客户端的输入，并响应于所述输入，在所述移动终端的显示界面上显示所述病虫害类型、所述防治措施及所述科普知识。

根据本发明提供的一种作物病虫害识别方法，所述服务器端将所述图像信息输入至病虫害识别模型，所述病虫害识别模型输出与所述图像信息对应的病虫害类型，还包括：获取所述作物的病虫害类型对应的置信度；在所述置信度高于预设阈值的情况下，所述服务器端将排名在预设范围内的病虫害类型发送至所述客户端。

根据本发明提供的一种作物病虫害识别方法，包括：采用如下步骤训练获取所述病虫害识别模型：建立作物的病虫害样本库，所述病虫害样本库包括多个样本，每个所述样本只包含标记有一类病虫害类型的病虫害图像；对所述病虫害样本库的样本数据进行预处理；以预处理后的样本数据作为输入，以与所述样本数据对应的病虫害类型作为输出，基于GoogleNet网络模型做迁移学习，训练获取所述病虫害识别模型。

根据本发明提供的一种作物病虫害识别方法，所述服务器端还用于接收专家用户对所述病虫害识别模型输出的病虫害类型的纠正输入；所述服务器端响应于所述纠正输入，将专家用户纠正过的病虫害图像添加至所述病虫害样本库，获取更新后的样本库数据，以所述更新后的样本库数据作为输入，以与所述更新后的样本库数据对应的纠正输入的病虫害类别作为输出，训练获取所述病虫害识别模型。

根据本发明提供的一种作物病虫害识别方法，对所述病虫害样本库的样本数据进行预处理，包括：对所述病虫害样本库采用SMOTE算法进行数据平衡；对数据平衡后的样本数据进行数据增强处理，所述数据增强处理包括对数据平衡后的样本数据分别进行尺度变换、裁剪、翻转、旋转、平移、添加噪声及改变光线条件。