[发明专利]农作物病害分类模型的构建方法、装置、设备及介质

说明书

本发明公开了农作物病害分类模型的构建方法、装置、设备及介质。该方法包括：利用标定作物图像对预设神经网络模型进行训练及测试；提取预设神经网络模型中位于末位全连接层的特征向量作为第一特征向量，以及位于次末位全连接层的特征向量作为第二特征向量；其中，第一特征向量及第二特征向量均对应同一标定作物图像；从第一特征向量及第二特征向量中提取具有鲁棒特征的最佳特征对向量，并将最佳特征对向量进行特征融合，得到最优特征向量；依据最优特征向量以及预设集成学习分类器构建农作物病害分类模型。通过本发明的技术方案，能够构建出分类准确的农作物病害分类模型，提高了农作物病害分类的准确度，降低了计算成本。

技术领域

本发明涉及农作物病害检测技术领域，尤其涉及农作物病害分类模型的构建方法、装置、设备及介质。

背景技术

为保证农作物病害类型识别的准确性，利用计算机视觉技术和机器学习技术处理有关农作物病害方面的问题，对农作物的生产过程和最终的农作物品质产生重大影响。

然而，由于农作物之间的颜色和纹理等许多特征较为相似，一般的自动识别系统易混淆，很难正确识别有相似特征的农作物；不同区域内自然条件有一定的差别，光照及雨水等各种自然因素变化会导致农作物生长的差异，因此农作物所表现出来的病害特征会有一定的变化，而这些变化很难被一般的识别系统捕捉；在图片采集过程中，除了自然因素外，人为因素或采集技术等因素同样会影响采集质量，如噪声和模糊等会对采集的图片质量产生巨大的影响，以致提取出不相关的特征；此外，在数据集训练过程中，不相关或者重复的图像也会降低识别的准确度，同时也会产生不相关的特征来干扰识别。

因此，如何快速且准确地识别农作物中的病害特征，对农作物病害进行准确分类，是目前亟待解决的问题。

发明内容

本发明提供了一种农作物病害分类模型的构建方法、装置、设备及介质，可以构建农作物病害分类模型，提高农作物病害分类的准确性。

根据本发明的一方面，提供了一种农作物病害分类模型的构建方法，包括：

利用标定作物图像对预设神经网络模型进行训练及测试；

提取预设神经网络模型中位于末位全连接层的特征向量作为第一特征向量，以及位于次末位全连接层的特征向量作为第二特征向量；其中，第一特征向量及第二特征向量均对应同一标定作物图像；

从所述第一特征向量及第二特征向量中提取具有鲁棒特征的最佳特征对向量，并将所述最佳特征对向量进行特征融合，得到最优特征向量；

依据所述最优特征向量以及预设集成学习分类器构建农作物病害分类模型。

根据本发明的另一方面，提供了一种农作物病害分类模型的构建装置，包括：

预训练模块，用于利用标定作物图像对预设神经网络模型进行训练及测试；

特征提取模块，用于提取预设神经网络模型中位于末位全连接层的特征向量作为第一特征向量，以及位于次末位全连接层的特征向量作为第二特征向量；其中，第一特征向量及第二特征向量均对应同一标定作物图像；

特征融合模块，用于从所述第一特征向量及第二特征向量中提取具有鲁棒特征的最佳特征对向量，并将所述最佳特征对向量进行特征融合，得到最优特征向量；

模型构建模块，用于依据所述最优特征向量以及预设集成学习分类器构建农作物病害分类模型。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的农作物病害分类模型的构建方法。