[发明专利]基于改进YoloV4的田间小麦赤霉病发生程度评估方法

权利要求书

1.一种基于改进YoloV4的田间小麦赤霉病发生程度评估方法，其特征在于：包括如下步骤：

S100、拍摄观测区群体麦穗图像；

S200、利用训练好的改进YoloV4目标检测网络模型对观测区群体麦穗图像进行检测并获得单个麦穗图像；

S300、统计麦穗个数得到麦穗总数，同时对单个麦穗图像进行特征提取和随机森林分类并统计患病麦穗个数；

S400、根据麦穗总数和患病麦穗个数计算群体麦穗的病穗率，并依据国家相关标准得到该群体麦穗的赤霉病发生程度；

其中，步骤S200中，改进YoloV4目标检测网络模型以CSPDarknet53作为特征提取主干网络、并在主干网络中添加了多个CSP模块，主干网络CSPDarknet53依次连接SPP结构和PANet网络，PANet网络输出的结果利用继承于YoloV3的Yolo Head网络结构输出检测框以及检测框内的置信度，Soft-NMS模块对所有物体置信框进行合并后输出合并结果。

2.根据权利要求1所述的基于改进YoloV4的田间小麦赤霉病发生程度评估方法，其特征在于：步骤S200中，按如下步骤对改进YoloV4目标检测网络模型进行训练：

S210、拍摄多个观测区内群体麦穗图像；

S220、在植保专家指导下，人工标注上述群体麦穗图像中的麦穗得到训练集；

S230、将训练集输入改进YoloV4目标检测网络模型中训练100轮，其中训练前50轮学习率为0.001，训练50轮后学习率为0.0001；

S240、将训练完成后的改进YoloV4目标检测网络模型保存。

3.根据权利要求1所述的基于改进YoloV4的田间小麦赤霉病发生程度评估方法，其特征在于：步骤S300中，单个麦穗图像的个数之和即为麦穗总数，患病麦穗个数按如下步骤获得：

S310、对单个麦穗图像进行预处理得到麦穗的粗分割结果；

S320、根据麦穗粗分割结果进行麦穗的病害特征提取；

S330、将得到的麦穗病害特征利用基于Cart决策树的随机森林算法对麦穗图像进行分类并得到病穗数目。

4.根据权利要求3所述的基于改进YoloV4的田间小麦赤霉病发生程度评估方法，其特征在于：步骤S310中，包括如下步骤：

S311、将单个麦穗图像利用XYZ颜色空间阈值分割得到第一图像，其中XYZ颜色空间的转换公式如下：

其中，R、G、B分别代表图片的R、G、B颜色分量；

S312、利用自适应分割阈值T对单个麦穗图像进行分割得到第二图像，T的取值满足下列公式：

T＝max(w₀×w₁×(μ₁-μ₀)²)，

其中，w₀表示前景像素点数量所占整体图片像素比例，其平均灰度为μ₀；w₁表示后景像素点数量所占整体图片的像素比例，其平均灰度为μ₁；

S313、将第一图像和第二图像进行逻辑与运算后得到麦穗的粗分割初步结果；

S314、计算单个麦穗图像的图像中心点(x_c，y_c)，然后分别计算出麦穗图像中心点垂直于图像底边方向上最大非零像素点与最小非零像素点(x_t，y_t)和(x_b，y_b)，以及麦穗图像中心点平行于图像底边方向上最大非零像素点与最小非零像素点(x_l，y_l)和(x_r，y_r)；然后计算|y_t-y_b|记为a，计算|x_l-x_r|记为b，然后将单个麦穗图像按照区域进行掩膜，得到最终的粗分割处理结果。