[发明专利]一种基于农产品的异常区域检测方法、装置、设备及介质

说明书

本发明涉及人工智能领域，揭露一种基于农产品的异常区域检测方法、装置、电子设备及存储介质，所述方法包括：接收农产品的原始训练图集，对所述原始训练图集执行划分，得到正常农产品训练集及异常农场品训练集，构建待训练异常区域检测模型，利用所述正常农产品训练集及所述异常农场品训练集训练所述待训练异常区域检测模型，得到异常区域检测模型，接收待检测农产品图片，根据所述异常区域检测模型的输入要求，对所述待检测农产品图片执行图片转化，得到已转化待检测图片，将所述已转化待检测图片输入至所述异常区域检测模型执行异常区域检测，得到异常区域检测结果。本发明可解决农产品异常区域检测的检测效率及检测智能化程度较低的问题。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于农产品的异常区域检测方法、装置、电子设备以及计算机可读存储介质。

背景技术

伴随科技发展，如何高效提高产业结构升级是当前火热的技术方向，如农业领域中，智能化检测出农产品有哪些坏死、病毒侵害等异常区域，可有效提高农业领域的结构升级，提高农业生产的生产效率。

目前，基于农产品的异常区域检测技术主要依靠有经验的专家观察拍摄图片，并利用计算机标定软件在拍摄图片中标定出异常区域。如为了及时发现葡萄果园内有哪些被病毒感染的葡萄果树，先航拍出葡萄果园的航拍图，进而依靠有经验的农林专家及计算机标定软件，在该航拍图中标定出被病毒感染的葡萄果树区域，完成异常区域检测。

上述方法虽可实现异常区域检测，但由于人工干预过多，导致异常区域检测的检测效率较低、检测智能化有待进一步提高的问题。

发明内容

为了解决上述技术问题，本发明提供了一种基于农产品的异常区域检测方法、装置、电子设备以及计算机可读存储介质，可解决基于农产品的异常区域检测的检测效率及检测智能化程度较低的问题。

第一方面，本发明提供了一种基于农产品的异常区域检测方法，包括：

接收农产品的原始训练图集，按照所述原始训练图集中每张原始训练图是否包括异常区域，对所述原始训练图集执行划分，得到正常农产品训练集及异常农场品训练集；

构建农产品的待训练异常区域检测模型，利用所述正常农产品训练集及所述异常农场品训练集训练所述待训练异常区域检测模型，得到异常区域检测模型；

接收待检测农产品图片，根据所述异常区域检测模型的输入要求，对所述待检测农产品图片执行图片转化，得到已转化待检测图片；

将所述已转化待检测图片输入至所述异常区域检测模型执行异常区域检测，得到异常区域检测结果。

可以看出，本发明实施例先接收农产品的原始训练图集，按照所述原始训练图集中每张原始训练图是否包括异常区域，对所述原始训练图集执行划分，得到正常农产品训练集及异常农场品训练集，因待训练异常区域检测模型需训练后才能执行农产品的异常区域检测，因此通过异常区域的划分所得到的正常农产品训练集及异常农场品训练集，可实现对待训练异常区域检测模型的训练，从而为后续异常区域检测提供了必要条件，另外，根据所述异常区域检测模型的输入要求，对所述待检测农产品图片执行图片转化，得到已转化待检测图片，进而利用异常区域检测模型完成最终的异常区域检测，可见相比于背景技术来说，整个检测过程无需人为干预，均为自动化检测过程。因此，本发明实施例提出的一种基于农产品的异常区域检测方法可以解决基于农产品的异常区域检测的检测效率及检测智能化程度较低的问题。

在第一方面的一种可能实现方式中，所述构建农产品的待训练异常区域检测模型，包括：

获取已训练完成的16层VGG网络；

将所述16层VGG网络中的全连接层用第一预设数量的卷积层替代，得到改进VGG网络；

在所述改进VGG网络的尾部，添加第二预设数量的卷积层，得到所述待训练异常区域检测模型。

在第一方面的一种可能实现方式中，所述利用所述正常农产品训练集及所述异常农场品训练集训练所述待训练异常区域检测模型，得到异常区域检测模型，包括：