[发明专利]基于深度学习的虫害防治方案生成方法、系统及存储介质

说明书

本发明公开的一种基于深度学习的虫害防治方案生成方法、系统及存储介质，涉及虫害防治技术领域，其中虫害防治方案生成方法包括：获取目标区域内植株图像信息，根据所述植株图像信息判断目标区域内植株是否存在虫害情况并确定当前虫害为害症状，基于虫害种类、为害症状及防治方法通过异构图形式进行表示，基于图卷积神经网络构建防治方案生成模型，将所述当前虫害为害症状作为初始节点输入防治方案生成模型获取防治方案的预测分数，将预测分数高的防治方案作为适用于目标区域植株的虫害防治方案。本发明通过图卷积神经网络获取虫害与防治方案的潜在关系，使得防治方案的针对性及精准度大大提高，同时改良了植株虫害防治方案的制定效率。

技术领域

本发明涉及虫害防治技术领域，更具体的，涉及一种基于深度学习的虫害防治方案生成方法、系统及存储介质。

背景技术

传统的粗放式农业管理方式不仅无法大力促进农业生产效率，而且极大的浪费了农业资源，对生态环境造成破坏。随着信息化技术的发展，精准农业生产方式应运而生，尤其是病虫害防治及管理呈现出智能化的趋势；目前传统的植株虫害识别及防治方法中主要还是靠田间巡视进行虫害种类的现场诊断，而此类方法效率较低、时效性较差，远远不能满足我国农业发展的需求。而农业人员由于科技知识能力受限，不能及时掌握植株病虫害的发生与发展，往往会错过最佳防治期，在病虫害发生较重时，才大剂量地喷酒农药，使农产品农药残留超标，且严重污染环境，因此，根据虫害情况针对性制定科学合理的防治方案就显得尤为重要。

在虫害防治实践中，要正确识别虫害种类及为害症状，通过虫害的一般形态特征及生长发育规律，针对性制定虫害防治方案实现对其防治，为了实现虫害防治方案的智能化生成，构建虫害防治的联合异构图，通过深度学习方式获取当前虫害为害症状在异构图中的潜在关系，获取相关防治措施，对植株虫害进行及早发现及早治疗，很大程度上减少虫害的危害，同时还减少了农药的乱用，保护环境与提高产量同时实现。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于深度学习的虫害防治方案生成方法、系统和存储介质。

本发明第一方面提供了一种基于深度学习的虫害防治方案生成方法，包括：

获取目标区域内植株图像信息，根据所述植株图像信息判断目标区域内植株是否存在虫害情况并确定当前虫害为害症状；

基于虫害、为害症状、防治方法通过无向异构图形式进行表示；

基于图卷积神经网络构建防治方案生成模型，将所述当前虫害为害症状作为初始节点输入虫害防治方案生成模型获取防治方案的预测分数；

将预测分数高的防治方案作为适用于目标区域植株的虫害防治方案。

本方案中，所述的获取目标区域内植株图像信息，根据所述植株图像信息判断目标区域内植株是否存在虫害情况并确定当前虫害为害症状，具体为：

获取目标区域内植株图像信息，通过植株图像信息裁剪出叶片，茎秆或果实重点区域图像信息，将所述重点区域图像信息进行灰化处理，对灰化处理后的图像进行滤波去噪；

将滤波去噪后的重点区域图像信息通过Canny边缘算子进行边缘点检测，生成边缘检测图像，根据所述边缘检测图像获取纹理特征；

获取重点区域图像的RGB图像，将所述RGB图像转换到LUV色度空间计算每个像素的色度值，根据所述色度值获取LUV颜色直方图特征向量，生成颜色特征；

通过目标区域内植株的种类信息基于大数据获取植株虫害图像库，根据所述植株虫害图像库通过特征提取构建特征向量库；

将所述纹理特征及颜色特征按照预设比例聚合生成最终特征，将所述最终特征与特征向量库中的虫害特征进行相似度计算；