[发明专利]一种基于深度策略学习的小麦病害检测方法

权利要求书

1.一种基于深度策略学习的小麦病害检测方法，其特征在于，包括以下步骤：

11)小麦病害图像的收集和预处理，收集若干幅小麦病害图像作为训练图像，收集图像的焦点集中在病害部分，记录下收集的病害图像以及对应在原图中的位置，并将收集的病害图像归一化为16×16像素，得到若干个病害图像训练样本；

12)构造小麦病害图像的策略，构造小麦病害图像状态策略、动作策略以及奖励策略；所述的构造小麦病害图像的策略包括以下步骤：

121)从若干个病害图像训练样本中，构造小麦病害图像的状态策略s，其表达式如下：

s∈S＝{(l₁,d₁,p₁),(l₂,d₂,p₂),...,(l_n,d_n,p_n)}，

其中，S表示有限状态集合，s表示在检测时某个特定状态，l表示病害图像中心点位置、d表示病害图像方向、p表示病害图像的概率；

定义在某个时刻t所构造的状态策略为

122)从若干个病害图像训练样本中，构造小麦病害图像的动作策略a，其表达式如下：

，

其中，A表示有限动作集合，a表示在病害检测时某个特定动作，在每个动作状态中，病害检测的动作包括a^up表示检测图像向上搜索动作、a^down表示检测图像向下搜索动作、a^left表示检测图像向左搜索动作、a^right表示检测图像向右搜索动作、a^scale表示检测图像尺度变化动作，尺度变化动作大小为放大2倍、放大4倍、缩小2倍或缩小4倍；

123)从若干个病害图像训练样本中，构造检测小麦病害图像的奖励策略；

1231)从若干训练样本库中依次选定标记后的病害图像样本，执行动作策略a，计算在动作策略a下的状态s，并更新病害检测的奖励策略；

针对一个状态s和s的前一个状态定义m时刻病害检测奖励策略为：

满足上述条件的情况下，继续执行构造的下一个动作策略a_m；

1232)当t时刻满足以下条件，停止执行动作策略a_t，代表在动作策略的引导下，已经找到最优病害目标区域和状态s；其表达式定义如下：

当在t时刻满足I(b,g)＞δ，

新奖励策略定义为：

其中，I(b,g)＝M(b∩g)/M(b∪g)，b表示m时刻检测的病害图像区域，g表示m时刻人工所标记的病害图像区域，M(b∩g)表示检测的病害图像区域和人工标记病害区域的交集，M(b∪g)示检测的病害图像区域和人工标记病害区域并集，γ阈值为5，δ为0.8；

13)构造并训练小麦病害图像检测模型，通过状态策略、动作策略以及奖励策略构建小麦病害图像检测模型，并对小麦病害图像检测模型进行优化学习，得到训练后的小麦病害图像检测模型；所述的构造并训练小麦病害图像检测模型包括以下步骤：

131)构造小麦病害图像检测模型，小麦病害图像检测模型构造原则基于选择一个能得到最大奖励策略R的动作A，其表达式如下：

其中，f(s,a)表示在检测模型状态策略s中采取动作策略a能够得到最大奖励R，λ表示损失因子，f(s′,a′)是未来检测步骤中的奖励，a′表示获得最大奖励R的检测模型动作策略，E_s′[]代表期望值；

132)利用深度神经网络作为策略学习对小麦病害图像检测模型进行最优化策略函数学习，使用有监督学习方法，将病害图像训练样本以及对应的状态策略s，计算最优化策略学习函数，其计算步骤如下：

1321)利用深度神经网络作为策略学习f(s,a)函数值的网络，其定义如下:

f(s,a,w)≈f(s,a)

这里w表示深度神经网络中参数；

1322)使用均方差定义最优化策略学习中的损失函数，其定义如下：

1323)计算w关于损失函数的梯度，其计算公式如下：

1324)使用随机梯度下降方法更新参数w，最终得到最优f(s,a,w)值；

14)待检测小麦图像的收集和预处理，获取待检测小麦图像并将待检测小麦图像的大小归一化为512×512像素，得到待检测图像；

15)病害在图像中的检测，将待检测图像输入训练完成后的小麦病害图像检测模型，进行小麦病害的检测。