[发明专利]一种基于优化卷积神经网络的玉米病害图像识别方法

权利要求书

1.一种基于优化卷积神经网络的玉米病害图像识别方法，其特征在于，包括以下步骤：

步骤1、采集玉米叶片图像数据集，并将玉米叶片图像进行切割，裁剪掉图像中的非叶片部分；

步骤2、对玉米叶片图像进行预处理，生成图像数据集；

步骤3、基于玉米叶片图像的病害情况，为数据集构建标签向量；

步骤4、将步骤2、3获得的玉米叶片图像数据集和标签向量均划分出训练集和测试集；

步骤5、构建卷积神经网络模型架构，在每层卷积层后加入批归一化处理层，对图像特征值进行归一化处理；

步骤6、使用贝叶斯优化算法优化卷积神经网络分类模型的准确率，得到卷积神经网络超参数的最优解，超参数包括学习率、梯度冲量、正则化系数和网络层数；

步骤7、将最优超参数输入卷积神经网络进行训练，生成玉米病害图像识别模型。

2.根据权利要求1所述的基于优化卷积神经网络的玉米病害图像识别方法，其特征在于，步骤1所述的采集玉米叶片图像数据集，并将玉米叶片图像进行切割，裁剪掉图像中的非叶片部分，具体为：

使用工业摄像头对玉米叶片进行多角度拍摄，采集时间包括早晨、中午、傍晚的不同时刻，分别采集玉米健康叶、大斑病叶子、锈病叶图像各N幅，其中N200；然后裁剪掉图像的非叶片部分，消除非叶片部分对最终结果的干扰。

3.根据权利要求1所述的基于优化卷积神经网络的玉米病害图像识别方法，其特征在于，步骤2所述的对玉米叶片图像进行预处理，生成图像数据集，具体为：

步骤2-1、基于步骤1得到的图像，使用双线性插值算法对图像进行缩放，生成大小为256*256的玉米叶片图像；

步骤2-2、使用grab-cut算法将玉米叶片从图像中提取出来。

4.根据权利要求1所述的基于优化卷积神经网络的玉米病害图像识别方法，其特征在于，步骤3所述的基于玉米叶片图像的病害情况，为数据集构建标签向量，具体为：

玉米叶片的病害情况分为三类，分别为健康玉米叶片、大斑玉米叶片和锈病玉米叶片，对应标签向量值为0、1、2；基于数据集中玉米叶片图像的分类，为玉米叶片图像数据集构建标签向量target：

target＝[y₁，y₂，...，y_i，...y_N]，0≤y_i≤2 式(1)

式中y_i为玉米叶片病害情况对应标签向量值，N为样本总数。

5.根据权利要求1所述的基于优化卷积神经网络的玉米病害图像识别方法，其特征在于，步骤4所述的将玉米叶片图像数据集和标签向量均划分出训练集和测试集，具体为：

使用k折交叉验证方法，将步骤2、3获取的玉米叶片图像数据集和标签向量，划分成k组数据分布一致的训练集和验证集，其中k＞3，后续输入卷积神经网络进行k次训练和验证，最终返回k次验证结果的平均。