[发明专利]一种用于农作物病虫害检测的方法及系统

说明书

一种用于农作物病虫害检测的方法及系统，它属于农作物病虫害检测技术领域。本发明解决了现有方法中检测模型训练时需要的训练时间长以及检测的准确率低的问题。本发明根据欧式距离的计算结果判断图像中农作物所属的种类，再对待检测的农作物图像进行分割，获得分割后的子图像，最后将分割后的子图像输入对应的训练好的神经网络模型，与现有的融合农作物分类和病虫害检测功能的深度学习网络相比，本发明所采用的模型的复杂度较低、模型训练需要的时间较短，由于本发明是对待检测的农作物图像进行分割后再输入神经网络模型，可以使神经网络模型更关注于待检测图像的局部特征，提高对病虫害检测的准确率。本发明可以应用于对农作物进行病虫害检测。

技术领域

本发明属于农作物病虫害检测技术领域，具体涉及一种用于农作物病虫害检测的方法及系统。

背景技术

农作物是人类赖以生存的基础，农作物生长情况的好坏将直接影响农作物的产量。但是目前农作物遭受病虫害损害的几率越来越高，这给农民的生产、生活都带来了重大影响，对保障我国粮食的充足供应带来了极大的威胁，因此，解决农作物的病虫害问题便成了当务之急。

为了能够有针对性的对农作物病虫害进行科学合理有效的防治，其前提条件首先是对农作物病虫害的种类进行识别，然后再根据具体的农作物病虫害种类进行有针对性的治理，以提高农作物产量。近些年来，随着深度学习技术的迅速发展，深度学习技术已经在多个领域中取得了广泛的应用，并获得了较好的效果。但是在现有方法中，主要是利用融合了农作物分类和病虫害检测功能的深度学习网络对农作物是否发生病虫害的情况进行检测，这种方法虽然能够实现对农作物是否发生病虫害的检测，但是需要的深度学习网络的模型复杂，因此，模型训练时需要的训练时间会相对较长，而且病虫害检测时是将农作物叶子的整个图像作为检测对象，这样容易弱化掉图像的局部特征，导致对病虫害检测的准确率较低。

发明内容

本发明的目的是为解决在现有方法中，检测模型训练时需要的训练时间长以及检测的准确率低的问题，而提出了一种用于农作物病虫害检测的方法及系统。

本发明为解决上述技术问题所采取的技术方案是：

一种用于农作物病虫害检测的方法，所述方法具体包括以下步骤：

步骤一、采集待检测的农作物图像，并对采集的图像进行锐化处理，获得锐化处理后的图像，再从锐化处理后图像中截取出农作物叶子区域的图像；

步骤二、将步骤一中截取出的图像的尺寸变换至标准尺寸后，获得标准尺寸的图像；

再将获得的标准尺寸图像对齐到参考方向上，获得处理后的图像；

步骤三、基于欧氏距离方法确定出步骤二处理后的图像中包含的农作物所属的种类；

步骤四、对步骤二中处理后的图像进行分割，获得初步分割后的子图像；再对初步分割后的子图像进行合并，获得最终分割后的图像；

步骤五、基于步骤三的分类结果，将最终分割后的图像输入对应的神经网络模型，得到病虫害检测结果。

进一步地，所述步骤三的具体过程为：

步骤三一、以处理后图像的中心为基准，沿圆周方向对处理后图像进行划分，即以处理后图像的中心为圆心，以参考方向作为圆周的起始方向，将整个圆周均分为36份；

步骤三二、分别统计每份内图像中包含的所有像素点，对于第1份内的图像，分别计算出第1份内的图像中包含的每个像素点与中心的欧式距离，再将计算出的欧式距离进行加和，得到第1份内的图像对应的加和结果；

同理，依次对第2份、第3份、…、第36份内的图像进行处理，根据第1份、第2份、第3份、…、第36份内的图像所对应的加和结果的变化规律确定出处理后图像中农作物所属的种类。