[发明专利]一种苹果叶部病理检测方法

说明书

本发明公开了一种苹果叶部病理检测的方法，对五类叶部病害：斑点落叶病、褐斑病、花叶病、灰斑病、锈病进行识别检测。针对以下问题：较小的目标难以识别；部分背景区域被识别为目标；重复识别目标。采取步骤包括：采用了轻量级特征融合结构，融合高低层特征图特征，其次引入通道注意力机制，提取更有效的病斑小目标特征信息，同时加入焦点损失函数，减少了训练中大量简单负样本的权值，最后对5类苹果叶部测试公共数据集检验。本发明所提方法FS‑SSD具有可行性和优越性，其性能明显优于其它检测模型，提高了检测的准确性。

技术领域

本发明提出一种苹果叶部病理检测方法，涉及目标检测领域。

背景技术

由于农作物在生长初期容易感染上各种病害，而初期其果实一般还未成形，保果的基础是保叶。苹果的质量与产量一直备受果农的关注。传统的识别苹果病害主要靠果农或农业专家用肉眼去识别，传统上的农作物病害检测识别，主要还是依赖于农民在实际农业生产过程中积累的自身经验，凭感觉来对农作物病害种类进行判断。这种方法完全依赖于个人的肉眼观察，主观性强、速度慢、实时性差、病害面积难以统计、误判率高，往往在作物的病害比较严重时才能识别，这样不仅耽误了病情，且不能根据实际的病害程度来进行相应的防治工作。这显然是一个巨大的工程，耗时耗力不说，效率也十分低下，特别是对于苹果树这种比较大型的果树，想要具体了解病害类型，必须借助梯子攀爬去了解中间层以及顶层叶片的病害情况；而从事果园种植的人群基本是中老年人，他们一般腿脚不便，借助梯子攀爬显然具有一定的危险性。同时，鉴于个人对病害类别的区分能力不同，便得不到一个相对权威的检测结果，这些不够权威的结果明显会导致果树错过病害的最佳治疗时机。面对这样一个具有一定危险性的庞大的工程，很多果农为了在确保安全性的同时能够减少工作量，只能主观估测病害的类型，然后通过大致地喷洒农药来控制病情，但是，不同苹果病害的防治措施有所不同，如果不加区分地处理，不仅会加大环境污染还会影响最终苹果的产量与质量。因此，实时、准确、快速地检测识别农作物的病害种类，并采取有效措施治理农作物病害，对提高农作物产量和质量有着重大的意义。

智慧农业的出现在提高农业生产率、减少环境污染、提高粮食安全系数等方面具有至关重要的作用。在苹果叶部病理模型的检测中，准确、快速地检测识别农作物的病害种类，并采取有效措施治理农作物病害，对提高农作物产量和质量具有重要作用。

本发明提出了一种新的方法，将FS-SSD算法运用于苹果叶部病理的检测方法。针对以往SSD模型对于苹果叶部检测需要面临叶部病斑目标较小，且叶部病斑的背景复杂问题，首先原SSD网络中的主干网络VGG16的conv4_3、fc7、额外层conv7_2做特征融合得到一个合并层，然后BN操作于该合并层，其与另外5个卷积层作为通道注意力网络(SENet)的输入X，经过全局平均池化(Pool)与两个全连接层(Fc)，其中第一个全连接层的缩放系数r设置为2，可有效提高计算效率，再通过激活函数Sigmoid得到各通道的权值，与原输入X对应相乘得到最终用于检测的特征，且加入焦点损失函数(Focal loss)，最后进行目标检测。本发明所提方法具有可行性和优越性，其性能明显优于原始SSD模型和其它目标检测模型。提高了预测的准确性。

发明内容

有鉴于此，本发明的主要目的在于将特征融合、通道注意力机制的优势集成在一起，利用焦点损失函数(Focal loss)降低了大量简单负样本在训练中所占的权重，将FS-SSD算法模型进行苹果叶部病理检测。从而提高预测精度。

为了达到上述目的，本发明提出的技术方案为：

一种苹果叶部病理检测方法，其特征在于，所述的检测方法包括以下步骤：

步骤1、对数据集进行预处理，利用“Lable Image”进行五类病害的标注；

步骤2、针对小目标识别精度的缺陷，利用融合SSD特征提取网络VGG-16的高低层特征图的特征；

步骤3、考虑到苹果叶部病害目标易受背景干扰，对用于生成候选区域的不同尺度特征图加入通道注意力机制，减轻背景信息的干扰；