一种用于农作物病虫害检测的方法及系统与流程

技术特征：
1.一种用于农作物病虫害检测的方法，其特征在于，所述方法具体包括以下步骤：步骤一、采集待检测的农作物图像，并对采集的图像进行锐化处理，获得锐化处理后的图像，再从锐化处理后图像中截取出农作物叶子区域的图像；步骤二、将步骤一中截取出的图像的尺寸变换至标准尺寸后，获得标准尺寸的图像；再将获得的标准尺寸图像对齐到参考方向上，获得处理后的图像；步骤三、基于欧氏距离方法确定出步骤二处理后的图像中包含的农作物所属的种类；步骤四、对步骤二中处理后的图像进行分割，获得初步分割后的子图像；再对初步分割后的子图像进行合并，获得最终分割后的图像；步骤五、基于步骤三的分类结果，将最终分割后的图像输入对应的神经网络模型，得到病虫害检测结果。2.根据权利要求1所述的一种用于农作物病虫害检测的方法，其特征在于，所述步骤三的具体过程为：步骤三一、以处理后图像的中心为基准，沿圆周方向对处理后图像进行划分，即以处理后图像的中心为圆心，以参考方向作为圆周的起始方向，将整个圆周均分为36份；步骤三二、分别统计每份内图像中包含的所有像素点，对于第1份内的图像，分别计算出第1份内的图像中包含的每个像素点与中心的欧式距离，再将计算出的欧式距离进行加和，得到第1份内的图像对应的加和结果；同理，依次对第2份、第3份、
…
、第36份内的图像进行处理，根据第1份、第2份、第3份、
…
、第36份内的图像所对应的加和结果的变化规律确定出处理后图像中农作物所属的种类。3.根据权利要求2所述的一种用于农作物病虫害检测的方法，其特征在于，所述步骤四中，对步骤二中处理后的图像进行分割，获得初步分割后的子图像；其具体过程为：步骤四一、初始化聚类中心；步骤四二、根据聚类中心对图像进行初步分割，获得初步分割后的子图像。4.根据权利要求3所述的一种用于农作物病虫害检测的方法，其特征在于，所述初始化聚类中心的具体过程为：步骤s1、初始化聚类中心集合o为空集，设置聚类中心的个数为p；步骤s2、定义像素点集合m＝{处理后图像的边界点集合n}∪{集合o}；步骤s3、对于处理后图像中、除了集合m之外的任意一个像素点，计算该像素点到集合m的最小距离，分别得到每个像素点到集合m的最小距离后，将最大的最小距离所对应的像素点作为聚类中心添加到集合o中；步骤s4、迭代步骤s3的过程，获得p个聚类中心后停止迭代。5.根据权利要求4所述的一种用于农作物病虫害检测的方法，其特征在于，所述步骤四中，对初步分割后的子图像进行合并，获得最终分割后的图像；其具体为：分别计算出每两个子图像所对应的聚类中心的欧氏距离，若计算出的欧氏距离小于等于设置的距离阈值，则对两个子图像进行合并，否则不将两个子图像进行合并。6.根据权利要求5所述的一种用于农作物病虫害检测的方法，其特征在于，所述神经网络模型的结构具体为：神经网络模型包括三个通道，其中：
输入图像在第一个通道内经过第一卷积层的处理；输入图像在第二个通道内依次经过第二卷积层、第三卷积层和第四卷积层的处理；输入图像在第三个通道内依次经过第五卷积层、第六卷积层、第七卷积层、第八卷积层和第九卷积层的处理；并将第一卷积层、第四卷积层和第九卷积层的输出结果进行尺度和通道调整后，对第一卷积层的输出对应的调整结果和第四卷积层的输出对应的调整结果按照权重进行融合，获得融合结果a1；将融合结果a1和第九卷积层的输出对应的调整结果按照权重进行融合，获得融合结果a2；再将融合结果a2输入全连接层，全连接层的输出结果再经过softmax分类层，通过softmax分类层输出病虫害检测结果。7.根据权利要求6所述的一种用于农作物病虫害检测的方法，其特征在于，所述对第一卷积层的输出对应的调整结果和第四卷积层的输出对应的调整结果按照权重进行融合；其具体过程为：将第一卷积层的输出对应的调整结果上的像素点表示为将第一卷积层的输出对应的调整结果的融合权重表示为将第四卷积层的输出对应的调整结果上的像素点表示为将第四卷积层的输出对应的调整结果的融合权重表示为则融合结果a1为：8.根据权利要求7所述的一种用于农作物病虫害检测的方法，其特征在于，所述融合权重和为：为：其中，为对第一卷积层的输出对应的调整结果进行输出通道为1的点卷积得到的值，为对第四卷积层的输出对应的调整结果进行输出通道为1的点卷积得到的值。9.根据权利要求8所述的一种用于农作物病虫害检测的方法，其特征在于，所述神经网络模型的训练过程为：对于任意一种农作物，采集该种农作物所对应的全部类型的病虫害图像以及正常生长状态下的图像，利用采集的该种农作物所对应的图像对神经网络模型进行训练，获得训练好的神经网络模型参数；同理，分别得到每种农作物对应的神经网络模型参数。10.一种用于农作物病虫害检测的系统，其特征在于，所述系统用于执行权利要求1至权利要求9之一所述的一种用于农作物病虫害检测的方法。

技术总结
一种用于农作物病虫害检测的方法及系统，它属于农作物病虫害检测技术领域。本发明解决了现有方法中检测模型训练时需要的训练时间长以及检测的准确率低的问题。本发明根据欧式距离的计算结果判断图像中农作物所属的种类，再对待检测的农作物图像进行分割，获得分割后的子图像，最后将分割后的子图像输入对应的训练好的神经网络模型，与现有的融合农作物分类和病虫害检测功能的深度学习网络相比，本发明所采用的模型的复杂度较低、模型训练需要的时间较短，由于本发明是对待检测的农作物图像进行分割后再输入神经网络模型，可以使神经网络模型更关注于待检测图像的局部特征，提高对病虫害检测的准确率。本发明可以应用于对农作物进行病虫害检测。进行病虫害检测。进行病虫害检测。


技术研发人员：钱华 赵杨
受保护的技术使用者：黑龙江省农业科学院
技术研发日：2021.11.26
技术公布日：2022/2/24