[发明专利]基于神经网络的植物病害智能诊断方法及系统

说明书

本发明涉及基于神经网络的植物病害智能诊断方法及系统，其获取植物叶片图像，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；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；将重构色差图像输入构建的卷积神经网络，输出分类结果；根据所述分类结果，获取植物病害诊断结果。即本发明的方案能够通过获取重构色差图像，利用该重构色差图像进行植物病害诊断，可以在像素级上可视化病害区域，降低计算量。

技术领域

本发明涉及智慧农业检测技术领域，具体涉及基于神经网络的植物病害智能诊断方法及系统。

背景技术

植物在我国的各大自然灾害中，农作物病虫害占据着非常重要的地位，因此，需要及时对其进行预测和监控，以防止重大灾害的发生。

传统的机器学习方法，通常经过病斑提取、边缘特征提取等步骤，最后利用支持向量机分类。然而，传统机器学习方法对图像的预处理步骤繁多且复杂，并且只能应用于个别植物的少量病虫害检测，可迁移性差，准确度低。

发明内容

本发明的目的是提供了基于神经网络的植物病害智能诊断方法及系统，用于解决现有的检测技术存在通用性差，识别方法复杂，且不同植物之间识别率不稳定的问题。

为了实现上述目的，本发明提供的基于神经网络的植物病害智能诊断方法的技术方案，包括如下步骤：

获取植物叶片图像，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；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；

将重构色差图像输入构建的卷积神经网络，输出分类结果；根据所述分类结果，获取植物病害诊断结果。

进一步地，还包括对所述植物叶片图像进行背景去除处理的步骤。

进一步地，所述对抗神经网络包括两个神经网络，一个为生成器，一个为鉴别器；

其中生成器的损失函数为：

其中，L_SSIM为SSIM损失函数；L_Color颜色损失函数；

，

其中n表示图像的像素数量，w_i表示第i个像素的权重，P_i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，T_i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。

进一步地，权重w_i的获取方法为：