[发明专利]一种轻量化解耦小麦赤霉病孢子检测方法

说明书

本发明涉及一种轻量化解耦小麦赤霉病孢子检测方法，与现有技术相比解决了从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷。本发明包括以下步骤：小麦赤霉病致病孢子显微图像获取及预处理；轻量化解耦小麦赤霉病孢子检测模型的构建；轻量化解耦小麦赤霉病孢子检测模型的训练；获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；小麦赤霉病孢子检测结果的获得。本发明考虑了现有农田检测设备有存储空间和功耗的限制，能精准快速对小麦赤霉病主要致病孢子显微图像进行检测。

技术领域

本发明涉及作物病害快速检测技术领域，具体来说是一种轻量化解耦小麦赤霉病孢子检测方法。

背景技术

随着机器视觉技术在农业领域的深度应用，国内外学者针对病菌孢子领域的目标检测也有了一定进展。在传统机器学习方面，齐龙等基于椭圆度、复杂度等形态学特征，利用距离变换和改进的分水岭算法对粘连孢子进行检测，准确度达到了98.5%，但特征提取过程较为复杂；王震等通过提取孢子图像的 HOG 特征，提出一种加性交叉核支持向量机（IKSVM）的稻瘟病孢子检测方法，达到了 98.2%的检测率，不足之处在于检测耗时太久；而在深度学习中，Dai等基于图像处理和Deeplabv3+模型，对小麦赤霉病RGB图像进行检测，得到了0.969的平均精度；Bao等基于多路卷积神经网络，对大田赤霉病病变麦穗图像进行识别，其对单株麦穗赤霉病识别精度达到了100%；Zhang等基于FSNet提出一种多层融合结构网络，通过锚点优化和区域采样策略提高等措施，在真菌数据集中达到了 91.6% 的平均检测精度；雷雨等针对小麦条锈病真菌夏孢子自动检测存在严重的误检和漏检问题，提出一种基于改进 CenterNet 的小麦条锈病菌夏孢子自动检测方法，其识别精度达到了98.77%。

综上来看，机器视觉方法必须对图像预先提取特征才能进行检测，但过程效率不高且费时费力；而在深度学习中大多是基于外表宏观病害检测，而针对内部微观病菌孢子的检测研究较少。同时，在实际应用中发现，小麦赤霉病孢子，特别是亚洲镰孢（fa）、禾谷镰孢（fg）因类内与类间差异小难以区分，且小麦赤霉病孢子具有微小、多态等特点，导致检测难度大大增高，此外，实际田间检测设备还存在存储空间和功耗的限制。

因此，针对近十年危害最严重，且孢子形状特殊的小麦赤霉病致病孢子的轻量化精准检测已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷，针对性提出一种轻量化解耦小麦赤霉病孢子检测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种轻量化解耦小麦赤霉病孢子检测方法，包括以下步骤：

11）小麦赤霉病致病孢子显微图像获取及预处理：采集小麦赤霉病致病孢子显微图像，并利用spore-copy进行数据增广处理；

12）轻量化解耦小麦赤霉病孢子检测模型的构建：基于yolov7-tiny并嵌入Gsconv模块及Decoupled head模块构建出轻量化解耦小麦赤霉病孢子检测模型；

13）轻量化解耦小麦赤霉病孢子检测模型的训练：将预处理后的小麦赤霉病致病孢子显微图像输入轻量化解耦小麦赤霉病孢子检测模型进行训练；

14）获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；

15）小麦赤霉病孢子检测结果的获得：将预处理后的待检测的小麦赤霉病致病孢子显微图像输入训练后的轻量化解耦小麦赤霉病孢子检测模型，获得小麦赤霉病孢子图像的检测结果。

所述轻量化解耦小麦赤霉病孢子检测模型的构建包括以下步骤：