[发明专利]一种农作物叶面识别模型训练方法、识别方法及装置

权利要求书

1.一种农作物叶面识别模型训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集包括多个训练样本，每个所述训练样本包括目标农作物图像和所述目标农作物图像对应的目标农作物标签图像，所述目标农作物图像和所述目标农作物标签图像中均包括目标农作物的叶面；

对每个所述训练样本，分别将所述目标农作物图像和所述目标农作物图像对应的目标农作物标签图像输入到农作物叶面识别模型中，得到识别结果；所述农作物叶面识别模型为包括全连接条件随机场的Unet神经网络模型；

根据各个所述目标农作物图像的所述识别结果及所述目标农作物图像对应的目标农作物标签图像，判断是否满足预设训练停止条件；

若不满足，调整所述农作物叶面识别模型的模型参数，并利用所述训练样本集训练调整后的农作物叶面识别模型，直至满足所述预设训练停止条件，得到训练后的农作物叶面识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本集，包括：

获取所述目标农作物所在多个不同局部区域的多个原始图像；

拼接所述多个原始图像，获得目标农作物的完整原始图像；

对所述完整原始图像进行处理，得到所述目标农作物的正射影像和所述目标农作物的标签图像；

分别剪裁所述正射影像和所述标签图像，得到多个第一正射影像和多个第一标签图像，并将所述多个第一正射影像作为所述训练样本中的目标农作物图像，将所述多个第一标签图像作为所述训练样本中的目标农作物标签图像。

3.根据权利要求2所述的方法，其特征在于，在所述得到多个第一正射影像和多个第一标签图像之后，还包括：对所述第一正射影像进行镜像扩充，得到第二正射影像，并将所述第二正射影像作为所述目标农作物图像。

4.根据权利要求1所述的方法，其特征在于，所述根据各个所述目标农作物图像的所述识别结果及所述目标农作物图像对应的目标农作物标签图像，判断是否满足预设训练停止条件，具体包括：

根据各个所述目标农作物图像的所述识别结果及所述目标农作物图像对应的目标农作物标签图像，获取所述农作物叶面识别模型的损失函数值；

判断所述损失函数值是否满足所述预设训练停止条件，所述预设训练停止条件为所述损失函数值的变化率在预设范围内。

5.一种农作物叶面识别方法，其特征在于，所述方法包括：

获取待识别图像，所述待识别图像包括目标农作物的叶面；

将所述待识别图像输入训练好的农作物叶面识别模型，得到第一叶面识别结果，其中，所述农作物叶面识别模型基于权利要求1-4任意一项所述的农作物叶面识别模型训练方法得到；

对所述第一叶面识别结果进行形态学开运算处理，获得第二叶面识别结果。

6.根据权利要求5所述的方法，其特征在于，所述对所述第一叶面识别结果进行形态学开运算处理，具体包括：对所述第一叶面识别结果进行腐蚀运算和膨胀运算。

7.一种农作物叶面识别模型训练装置，其特征在于，所述装置包括：

样本获取模块，用于获取训练样本集，所述训练样本集包括多个训练样本，每个所述训练样本包括目标农作物图像和所述目标农作物图像对应的目标农作物标签图像，所述目标农作物图像和所述目标农作物标签图像中均包括目标农作物的叶面；

训练模块，用于对每个所述训练样本，分别将所述目标农作物图像和所述目标农作物图像对应的目标农作物标签图像输入到农作物叶面识别模型中，得到识别结果；所述农作物叶面识别模型为包括全连接条件随机场的Unet神经网络模型；

判断模块，用于根据各个所述目标农作物图像的所述识别结果及所述目标农作物图像对应的目标农作物标签图像，判断是否满足预设训练停止条件；

调整模块，用于在不满足预设训练停止条件的情况下，调整所述农作物叶面识别模型的模型参数；

其中，所述训练模块还用于利用所述训练样本集训练调整后的农作物叶面识别模型，直至满足所述预设训练停止条件，得到训练后的农作物叶面识别模型。