[发明专利]一种基于改进深度残差网络的农作物病害识别方法及系统

说明书

本发明属于图像处理技术领域，提供了一种基于改进深度残差网络的农作物病害识别方法，包括步骤：S1、通过预设方式获取农作物病害图片；S2、将获取的农作物病害图片进行处理；S3、将处理后的农作物图片经过农作物病害识别的训练模型进行检测，并获得检测结果。本发明还提供了一种基于改进深度残差网络的农作物病害识别系统，本发明的优点在于利用残差网络能有效的解决梯度弥散、避免信息丢失等问题的优点，对农作物病害图像进行识别，避免人为主观因素影响识别结果，并且通过优化残差网络的结构和参数，构建基于改进残差网络的农作物病害图像识别模型，提高农作物病害图像的识别分类的性能，实现快速有效的识别。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于改进深度残差网络 的农作物病害识别方法及系统。

背景技术

我国是个农业大国,农业产业产量居世界首位，所以农作物病害对农业 产量的影响不可忽视，甚至威胁到食物安全。实际生产中，农民识别农作 物病害往往凭借自身经验，这样往往因为病害症状的复杂变化而诊断错误， 并且带有一定的主观性，造成使用错误农药的情况。因此，人工识别农作 物病害不仅耗费时费力，还会造成识别不准确用药错误等情况。随着计算 机视觉不断发展，卷积神经网络识别技术不断地应用于农作物病害识别、采摘、检测等方面。

但卷积神经网络尚存在不足之处，卷积神经网络的堆叠效果会随着网 络的加深而减弱，网络越复杂，训练时梯度弥散的可能越大。

发明内容

本发明的目的在于提供一种基于改进深度残差网络的农作物病害识别 方法及系统，用以传统的农作物病害识别训练耗时过长且训练参数过多的 问题。

为了实现上述目的，本发明采用的技术方案为：

一种基于改进深度残差网络的农作物病害识别方法，包括步骤：

S1、通过预设方式获取农作物病害图片；

S2、将获取的农作物病害图片进行处理；

S3、将处理后的农作物图片经过农作物病害识别的训练模型进行检测， 并获得检测结果。

进一步的，步骤S3中获得所述训练模型的步骤包括：

S31、通过预设方式获取农作物病害图片，并建立对应的数据集；

S32、通过OpenCV将数据集中的农作物病害图片进行预处理；

S33、根据农作物病害及其患病程度，将预处理后的农作物病害图片人 工分为预设类别，分别用标签标记对应的类别；

S34、将不同类别的农作物病害图片通过融合了注意力机制的深度残差 网络进行特征提取；

S35、通过包含特征图的图片对深度残差网络进行训练；

S36、通过预设参数优化算法优化所述深度残差网络，并得到训练模型。

进一步的，步骤S34的具体步骤包括：

S341、将不同类别的农作物病害图片输入到融合了注意力模块的深度 残差网络中获得预设图像特征值；

S342、通过全局池化将每个通道的二维特征值顺着空间维度进行压缩；

S343、通过预设函数为每个通道生成权重值；

S344、将得到的权重值与原始特征值相乘，得到特征图。

进一步的，步骤S36的具体步骤为：

S361、通过对梯度的一阶矩估计和二阶矩估计进行综合计算来调整所 述训练模型的学习率；

S362、通过预设损失函数降低所述训练模型的过拟合。