[发明专利]基于神经网络的植物病害智能诊断方法及系统

权利要求书

1.基于神经网络的植物病害智能诊断方法，其特征在于，包括如下步骤：

获取植物叶片图像，对所述植物叶片图像进行背景去除处理，所述植物叶片图像包括待识别的植物叶片图像和健康叶片图像；

构建对抗神经网络，利用所述健康叶片图像对所述对抗神经网络进行训练，得到训练好的对抗神经网络；所述对抗神经网络包括生成器和鉴别器；

其中生成器的损失函数为：

其中，LSSIM为SSIM损失函数；LColor颜色损失函数；

其中n表示图像的像素数量，wi表示第i个像素的权重，Pi为重构色彩图像中的第i个像素的R、G、B颜色空间的灰度值，Ti为待识别的植物叶片图像第i个像素的R、G、B颜色空间的灰度值；

权重wi的获取方法为：

其中，Pixel为去除背景的健康叶片图像中的任一像素值，C1为叶片主颜色的R、G、B三个通道的值对应的坐标点，a取值范围为(0,1)，b取值3；

将所述待识别的植物叶片图像输入训练好的对抗神经网络，得到重构色彩图像；

将重构色彩图像与所述待识别的植物叶片图像进行色差计算，得到重构色差图像；

所述重构色差图像为：

其中，P_RGB为重构色彩图像，T_RGB为待识别的植物叶片图像，为色差评价函数；

将重构色差图像输入构建的卷积神经网络，输出分类结果；所述卷积神经网络包括特征提取编码器和全连接网络；所述特征提取编码器包括若干个卷积层和注意力模型；

所述注意力模型为：

其中DiffC为重构色差图像的像素的色差值；Cmax为重构色差图像中的最大色差值；

根据所述分类结果，获取植物病害诊断结果。

2.基于神经网络的植物病害智能诊断系统，包括处理器和存储器，其特征在于，所述处理器用于执行所述存储器存储的用于实现如权利要求1中所述的基于神经网络的植物病害智能诊断方法的指令。