[发明专利]一种基于卷积神经网络的荞麦病害识别方法

权利要求书

1.一种基于卷积神经网络的荞麦病害识别方法，其特征在于，包括如下步骤：

首先，采用基于MSER和CNN结合的方法对荞麦病害区域进行检测，从图像中分离出病害区域与非病害区域；

然后，把病害区域图像送入基于inception结构改进以及采用基于余弦相似度卷积方式的卷积神经网络中进行训练和识别。

2.根据权利要求1所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，采用基于MSER和CNN结合的方法对荞麦病害区域进行检测，具体包括如下步骤，

步骤1、采用基于MSER的方法对病害区域进行检测，MSER算法的具体实现过程如下：

(1)对荞麦病害图像进行灰度化处理，在灰度区间[0，255]内的256个不同阈值对灰度图像进行二值化；令Q_t表示二值化阈值t对应的二值图像中的某一连通区域，当二值化阈值由t变成t+Δ和t-Δ时，Δ为变化值，连通区域Q_t相应变成了Q_t+Δ和Q_t-Δ；

(2)计算阈值为t时的面积比q(t)＝|Q_t+Δ-Q_t-Δ|/|Q_t|，当Q_t的面积随二值化阈值t的变化而发生较小变化,即q_t为局部极小值时，Q_t为最大稳定极值区域，其中|Q_t|表示连通区域Q_t的面积，|Q_t+Δ-Q_t-Δ|表示Q_t+Δ减去Q_t-Δ后的剩余区域面积；

在进行MSER检测的过程中有些大的矩形框会包含小的矩形框,因此要对这些区域进行合并,将小的矩形框去除，合并方式如下：

对于两个区域合并，设连通区域1的参数为β₁，χ₁，δ₁，ε₁，连通区域2的参数为β₂，χ₂，δ₂，ε₂，其中，χ和β分别表示连通区域最小外接矩形在y轴方向上的最小值和最大值，δ和ε分别表示连通区域最小外接矩形在x轴方向上的最小值和最大值，那么连通区域1包含连通区域2可以根据式(1)进行判定

通过以上步骤,对病害区域进行选定。

3.根据权利要求2所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，采用基于MSER和CNN结合的方法对荞麦病害区域进行检测，还包括如下步骤：

步骤2、在AlexNet网络基础上设计一个CNN的二元分类器，进一步区分病害区域和非病害区域，避免检测框重叠和误检测，具体处理流程如下：

首先输入一张32×32的图像，然后再用16个3×3的卷积核提取输入图像的特征，进而得到一个32×32×16的卷积层，接着用2×2最大池化的方法降低卷积层的数据维度，得到一个16×16×16像素的池化层，再用32个5×5的卷积核进一步提取更高层的特征，最后通过2×2最大池化的方法得到8×8×32的输出，将这些输出特征全部连接在一个全连接层，根据特征向量进行权重计算，输出属于两个类别的概率，进而判断输入的图像是否为病害区域。

4.根据权利要求3所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，在训练CNN模型时，采用Adam作为优化算法，学习率设定为0.001，学习率下降乘数因子设定为0.1，损失函数选择交叉熵损失函数，训练样本通过从原始图像上裁剪获得，其中正样本为病害区域裁剪图像，负样本为非病害区域裁剪图像。