[发明专利]基于Retinanet改进的农作物病虫害识别方法

说明书

本发明公开了一种基于Retinanet改进的农作物病虫害识别方法，属于计算机视觉技术领域，对Retinanet的特征提取网络改进成了DenseNet，每个层都会与前面所有层在Channel维度上连接，并作为下一层的输入，相比ResNet，这是一种密集连接。并且DenseNet是直接concat来自不同层的特征图，这可以实现特征重用，利用计算机视觉技术对农作物病虫害进行识别判断，能够准确，快速地识别出病虫害的种类，减少因人为经验不足而造成的病虫害误判，滥用农药造成的不良影响。基于Retinanet改进的农作物害虫识别方法可以在复杂的农田环境中，克服来自然环境的影响，提高农作物害虫害的识别率。

技术领域

本发明属于计算机视觉技术领域，具体为一种基于Retinanet改进的农作物病虫害识别方法。

背景技术

病虫害对农林业的影响很大，农作物其容易发生病虫害，包括炭疽病、油茶软腐病、油茶煤污病、油茶白绢病等，病虫害会导致减产、品质降低等一系列问题，长期大量使用农药、化肥等容易导致环境污染，影响生态平衡。

因此合理安全地使用化肥、农药等是目前非常重要的研究，保证既可以有效地消灭农作物的病虫害，又能够合理的使用农药。其中非常关键的技术就是必须精确地获知农作物的生长状态信息和受害的病种信息等，当准确地获知到受害的病种信息后，可以更优针对性地选择科学、高效的病虫害防治方法。在现代信息技术的推动下，依靠数字图像处理和分析、统计分析识别等准确、快捷地识别植物的健康状态、病虫害状态意义重大。

发明内容

(一)解决的技术问题

为了克服现有技术的上述缺陷，本发明提供了一种基于Retinanet改进的农作物病虫害识别方法，解决了上述背景技术中提到的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于Retinanet改进的农作物病虫害识别方法，包含以下步骤：

(1)使用自己手工标注的农作物病虫数据集，采用Mosaic对数据进行增强，将数据集的图像数据按照3:1:1的比例分为训练集、验证集和测试集；

(2)对Retinanet的特征提取网络进行改进，使用DensetNet替换进行特征提取；

(3)利用训练集和测试集对改进后的Retinanet神经网络进行训练，获取改进后的Retinanet神经网络的检测模型；

(4)对测试集的检测结果进行精度和实时性评价。

作为本发明的进一步方案：所述步骤(1)中所描述的训练集、验证集、测试集相互独立。

作为本发明的进一步方案：所述利用训练集和验证集对Retinanet神经网络进行训练，获取基于Retinanet改进的农作物害虫识别的模型过程如下：