[发明专利]烟叶早期病害识别方法、系统、电子设备及存储介质

说明书

本发明公开一种烟叶早期病害识别方法、系统、电子设备及存储介质，涉及烟叶早期病害识别领域，包括获取烟叶的近红外光谱数据；对所述近红外光谱数据进行预处理，得到预处理后的近红外光谱数据；根据所述预处理后的近红外光谱数据利用烟叶病害光谱预测模型进行预测，得到烟叶早期病害预测结果；所述烟叶病害光谱预测模型为三层卷积结构。本发明能实现对烟叶早期病害进行高效、无损、快速、绿色环保识别。

技术领域

本发明涉及烟叶早期病害识别领域，特别是涉及一种烟叶早期病害识别方法、系统、电子设备及存储介质。

背景技术

烟叶作为中国的一种主要经济作物，在对国家经济建设中起到财政支柱作用的同时也增加了农民的经济收入。烟叶在种植过程中受气候、环境等影响因素，极易受到各种病菌的侵染使烟叶大面积患病而失去烘烤价值，最终导致烟叶产量降低，造成经济损失。烟农在烟草种植过程中对于烟叶病害通常是盲目的定期施药或是发现病害时再施药。前者在花费不必要的人力、物力和财力的同时会造成农药的滥用，后者亡羊补牢的方式会造成烟叶的产量大幅减少。因此，烟草病害的提前预警和农药的合理喷洒预防成为确保农民增收致富的必要手段。

目前，传统的手段是通过使用化学方法进行检测，其检测过程耗费大量人力、物力、财力、周期也相对较长，容易错过最佳的治疗时机。近年来，国内外也许多学者及科研工作者利用图像识别等方法识别植物感染病虫害的病害程度以及病害种类的识别。基于ResNet34图像识别叶片病害，以及采用改进后的Inception结构实现烟叶病虫害图像识别方法，以上两种方法都需要采集海量的烟叶，而在获取烟叶图像的采集过程中会受到环境因素的影响，无法在烟叶图像采集过程中保证其光强，背景等因素一致；多特征数据处理分析的水稻病害识别方法则无法在前期进行病害种类识别，而近红外光谱技术可以对植物病害前期进行识别。但是，目前还没有见过利用近红外光谱技术结合深度学习的方法来研究烟叶病虫害种类识别方法的研究。因此，发明一种针对当前烟叶早期病害识别中存在不足和缺陷的烟叶早期无损病害识别方法是非常有意义的。

发明内容

本发明的目的是提供一种烟叶早期病害识别方法、系统、电子设备及计算机存储介质，以实现对烟叶病害进行高效、无损、快速、绿色环保识别。

为实现上述目的，本发明提供了如下方案：

一种烟叶早期病害识别方法，包括：

获取烟叶的近红外光谱数据；

对所述近红外光谱数据进行预处理，得到预处理后的近红外光谱数据；

根据所述预处理后的近红外光谱数据利用烟叶病害光谱预测模型进行预测，得到烟叶早期病害预测结果；所述烟叶病害光谱预测模型为三层卷积结构。

可选地，所述获取烟叶的近红外光谱数据，具体包括：

利用手持近红外光谱仪获取烟叶的近红外光谱数据。

可选地，所述预处理的方法为多元散射校正法、标准正态变换法、Savitzky-Golay卷积平滑法、小波变换算法、一阶导数或二阶导数中的一种或多种。

可选地，所述烟叶病害光谱预测模型的训练过程包括：

获取不同病害烟叶的近红外光谱数据；

以不同病害烟叶的近红外光谱数据为三层卷积结构的输入，以病害种类为三层卷积结构的输出，利用Adam梯度下降算法对所述三层卷积结构进行训练，得到烟叶病害光谱预测模型。

本发明还提供一种烟叶早期病害识别系统，包括：

获取模块，用于获取烟叶的近红外光谱数据；

预处理模块，用于对所述近红外光谱数据进行预处理，得到预处理后的近红外光谱数据；