[发明专利]基于多源数据融合的作物病害信息检测方法、系统及装置

说明书

本发明公开了一种基于多源数据融合的作物病害信息检测方法、系统及装置，涉及农业作物病害检测技术领域，该方法主要包括根据获取自然状态下的目标作物的多源数据和作物病害检测模型，确定目标作物的状态信息；多源数据至少包括两种类型的图像数据；图像数据为多光谱图像、热红外图像或彩色图像；作物病害检测模型包括多个卷积神经网络以及与每个卷积神经网络的输出端连接的分类器；卷积神经网络的个数与图像数据的类型数相同；卷积神经网络的输入端用于输入图像数据；分类器的输出端用于输出目标作物的状态信息；本发明能够达到提高作物病害信息检测准确度的目的。

技术领域

本发明涉及农业作物病害检测技术领域，特别是涉及一种基于多源数据融合的作物病害信息检测方法、系统及装置。

背景技术

病害的发生会严重影响作物的品质与产量，在作物生长过程中及时监测作物健康状况具有重大意义。在传统农业背景下，作物的病害检测完全依靠人工巡查。随着科技的发展，机器视觉与深度学习成为时下作物病害检测的热点。近几年作物病害检测模型的数据格式通常为室内采集的单张平铺叶片彩色图像，然后通过越来越复杂的深度卷积神经网络提取特征并进行分类，得出检测结果，但是该类模型往往实际应用价值不高。

发明内容

本发明的目的是提供一种基于多源数据融合的作物病害信息检测方法、系统及装置，以达到提高检测准确度的目的。

为实现上述目的，本发明提供了如下方案：

一种基于多源数据融合的作物病害信息检测方法，包括：

获取自然状态下的目标作物的多源数据；所述多源数据至少包括两种类型的图像数据；所述图像数据为多光谱图像、热红外图像或彩色图像；

根据所述多源数据和作物病害检测模型，确定所述目标作物的状态信息；所述状态信息为健康或者病害；

其中，所述作物病害检测模型包括多个卷积神经网络以及与每个所述卷积神经网络的输出端连接的分类器；所述卷积神经网络的个数与所述图像数据的类型数相同；所述卷积神经网络的输入端用于输入所述图像数据；所述分类器的输出端用于输出所述目标作物的状态信息。

可选的，所述根据所述多源数据和作物病害检测模型，确定所述目标作物的状态信息，具体包括：

对所述多源数据进行预处理；所述预处理包括裁剪处理、图像格式转化以及张量格式转换；

根据预处理后的多源数据和作物病害检测模型，确定所述目标作物的状态信息。

一种基于多源数据融合的作物病害信息检测系统，包括：

数据获取模块，用于获取自然状态下的目标作物的多源数据；所述多源数据至少包括两种类型的图像数据；所述图像数据为多光谱图像、热红外图像或彩色图像；

状态信息确定模块，用于根据所述多源数据和作物病害检测模型，确定所述目标作物的状态信息；所述状态信息为健康或者病害；

其中，所述作物病害检测模型包括多个卷积神经网络以及与每个所述卷积神经网络的输出端连接的分类器；所述卷积神经网络的个数与所述图像数据的类型数相同；所述卷积神经网络的输入端用于输入所述图像数据；所述分类器的输出端用于输出所述目标作物的状态信息。

一种基于多源数据融合的作物病害信息检测装置，包括：计算机模块和信息采集模块；所述计算机模块内置有作物病害信息采集检测软件；所述信息采集模块包括壳体以及设置在所述壳体内部的多光谱相机、热红外相机和彩色相机；其中，所述多光谱相机、所述热红外相机、所述彩色相机均通过设备连接线与所述计算机模块连接；

所述信息采集模块，用于：采集自然状态下的目标作物的多源数据；所述多源数据包括多种类型的图像数据，分别为多光谱图像、热红外图像和彩色图像；

所述计算机模块，用于：