[发明专利]一种小麦赤霉病的抗性鉴定方法及装置

权利要求书

1.一种小麦赤霉病的抗性鉴定方法，其特征在于，包括：

获取小麦的RGB图像数据；

将所述RGB图像数据输入至训练完备的轻量化网络模型中，输出对应的病害信息；

根据所述病害信息，确定小麦感染赤霉病害的严重度信息，以进行抗性鉴定。

2.根据权利要求1所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述轻量化网络模型的训练过程，包括：

获取包含标注信息的多种RGB样本图像，形成样本图片数据集，其中，所述标注信息为对应的实际病害程度等级；

将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级，其中，所述预测病害程度等级包括预测病害程度和预测抗病性等级；

根据所述预测病害程度等级和所述实际病害程度等级，对所述轻量化网络模型进行训练至收敛，确定训练完备的轻量化网络模型。

3.根据权利要求2所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述RGB样本图像包括摄像设备拍摄的高质量图像、手持设备拍摄的手持设备图像以及主流植物图像的公共数据图像。

4.根据权利要求3所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级之前，还包括：对所述高质量图像、所述手持设备图像、所述公共数据图像进行预处理，实现自动化图像增强。

5.根据权利要求3所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述将所述样本图片数据集输入至预设大型网络，输出预测病害程度等级，包括：

基于所述样本图片数据集中的所述高质量图像、所述手持设备图像和所述公共数据图像，采用所述预设大型网络进行预训练，确定预训练网络；

利用所述样本图片数据集中的所述高质量图像和所述手持设备图像，对所述预训练网络进行进一步训练，确定高准确率模型，输出所述预测病害程度等级。

6.根据权利要求5所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述根据所述预测病害程度等级和所述实际病害程度等级，对所述轻量化网络模型进行训练至收敛，确定所述轻量化网络模型，包括：

采用知识蒸馏方式，根据所述预测病害程度等级和所述实际病害程度等级，将所述高准确率模型的网络性能转移至所述轻量化网络；

根据所述手持设备图像，对所述轻量化网络进行微调，并进行模型剪枝，确定所述训练完备的轻量化网络模型。

7.根据权利要求1所述的小麦赤霉病的抗性鉴定方法，其特征在于，将所述训练完备的轻量化网络模型部署在移动平台上。

8.根据权利要求1所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述轻量化网络模型的网络结构包括下采样层、上采样层和跳跃连接层，其中：

所述下采样层，用于通过卷积和下采样，提取浅层特征；

所述上采样层，用于通过卷积和上采样，基于所述浅层特征，提取深层特征；

所述跳跃连接层，用于将所述浅层特征和所述深层特征进行融合，确定融合特征，并对所述融合特征进行预测分割。

9.根据权利要求1所述的小麦赤霉病的抗性鉴定方法，其特征在于，所述病害信息包括小麦的病害面积和患病小穗数，所述严重度信息包括感病面积比、病小穗率，所述根据所述病害信息，确定小麦感染赤霉病害的严重度信息，以进行抗性鉴定，包括：

将单个麦穗的RGB图像数据输入至所述训练完备的轻量化网络模型，输出的预测病害程度等级，统计所述病害面积和所述患病小穗数；

根据所述病害面积和单个麦穗的总面积之比，确定所述感病面积比；

根据所述患病小穗数和单个麦穗的小穗总数之比，确定所述病小穗率；

分别根据单个麦穗的所述感病面积比和所述病小穗率，统计对应麦穗品种的平均严重度，并根据平均严重度，确定综合严重度，基于综合严重度，确定总体麦穗对赤霉病的所述抗性水平。

10.一种小麦赤霉病的抗性鉴定装置，其特征在于，包括：

获取单元，用于获取小麦的RGB图像数据；

处理单元，用于将所述RGB图像数据输入至训练完备的轻量化网络模型中，输出对应的病害信息；

识别单元，用于根据所述病害信息，确定小麦感染赤霉病害的严重度信息，以进行抗性鉴定。