[发明专利]一种利用GPCNNs和ELM进行植物叶片疾病识别的方法

摘要

本发明公开了一种利用GPCNNs和ELM进行植物叶片疾病识别的方法，包括三个阶段：利用GPCNN学习多尺度金字塔汇聚特征，融合提取的层次特征，然后进行疾病识别分类。本发明的特点是：(1)采用全局汇聚层代替全连通层，加快了网络收敛速度，提高了网络性能；(2)与传统的基于特征提取的疾病识别方法相比，本发明利用GPCNNs从病叶图像中自动学习出可靠的特征，代替人工提取病叶特征，可靠性提高，效率提高；(3)与传统的基于深度学习的作物病害识别方法相比，用ELM分类器代替利用卷积神经网络(CNNs)对疾病类型进行分类，提高了识别性能。

主权项

1.一种利用GPCNNs和ELM进行植物叶片疾病识别的方法，其特征在于，采集原始图像通过训练GPCNNs模型进行多尺度金字塔池特征提取，得到病害特征模型，再采用ELM对测试图像的植物叶片病害类型进行识别，其具体步骤为：步骤1：对采集的原始图像进行处理，对所述原始图像进行归一化和固定图像大小处理；运用微失真增强算法提高所述原始图像的抗干扰能力，对所述原始图像运用微失真增强算法后进行变换处理得到若干新图像，与所述原始图像共同组成图像数据；步骤2：输入所述图像数据训练一个GPCNNs模型来提取所述原始图像的多层特征，得到特征图像、特征图像映射和原始图像标签；步骤3：选取步骤2中最后三层所述特征图像映射，通过多尺度融合操作提取金字塔汇集特征，并将所述金字塔汇集特征串联为列向量，用所述列向量训练由所述网络权重集表征的ELM分类器；步骤4：采用所述ELM分类器对测试图像进行分类，完成植物叶片病害类型识别。