[发明专利]一种基于迁移学习的番茄病虫害自动检测方法

摘要

本发明公开了一种基于迁移学习的番茄病虫害自动检测方法，属于图像技术领域。本发明收集番茄病虫害叶表图片训练样本，对各个番茄病虫害叶表图片训练样本的图片进行数据增强，再将数据增强后的图片分类输入到深度学习网络中；对番茄病虫害叶表图片训练样本进行学习，设定学习次数上限和识别精度阈值，在进行监督学习时根据输入样本的刺激下不断地改变卷积神经网络各层之间的连接权重，当学习次数已达到学习次数上限或识别精度达到识别精度阈值时，则输出当前卷积神经网络各层之间的连接权重模型作为番茄病虫害叶表图片识别分类器。

主权项

一种基于迁移学习的番茄病虫害自动检测方法，其特征在于：包括如下步骤：步骤1：收集番茄病虫害叶表图片训练样本，对各个番茄病虫害叶表图片训练样本的图片进行数据增强，再将数据增强后的图片分类输入到深度学习网络中；步骤2：对番茄病虫害叶表图片训练样本进行学习，设定学习次数上限和识别精度阈值，在进行监督学习时根据输入样本的刺激下不断地改变卷积神经网络各层之间的连接权重，当学习次数已达到学习次数上限或识别精度达到识别精度阈值时，则输出当前卷积神经网络各层之间的连接权重模型作为番茄病虫害叶表图片识别分类器；步骤3：利用训练好的连接权重模型提取所有训练样本的番茄病虫害叶表图片特征并附上相应标签，再进入svm学习将低维输入空间线性不可分的训练样本的番茄病虫害叶表图片特征转化为高维特征空间使其线性可分，从而将训练样本的番茄病虫害叶表图片特征分入相应的类别；步骤4：番茄病虫害叶表图片识别，读取待识别的番茄病虫害叶表图片图片，对番茄病虫害叶表图片图片进行数据增强，再利用番茄病虫害叶表图片识别分类器对数据增强后的番茄病虫害叶表图片图片进行番茄病虫害叶表图片特征识别提取，再利用svm对识别提取的番茄病虫害叶表图片特征进行分类，最终输出番茄病虫害叶表图片识别结果。