[发明专利]一种基于深度策略学习的小麦病害检测方法

说明书

本发明涉及一种基于深度策略学习的小麦病害检测方法，与现有技术相比解决了提高小麦病害检测识别率导致运算过于复杂的缺陷。本发明包括以下步骤：小麦病害图像的收集和预处理；构造小麦病害图像的策略；构造并训练小麦病害图像检测模型；待检测小麦图像的收集和预处理；病害在图像中的检测。本发明在增加检测效率的同时，也基于状态策略加大了病害的识别率。

技术领域

本发明涉及图像检测技术领域，具体来说是一种基于深度策略学习的小麦病害检测方法。

背景技术

基于计算机视觉的小麦病害的检测与统计一直是困扰农业病害预测预报的问题，在农田环境下，小麦病害呈现的图像受到多种因素的干扰，如：光照、复杂背景、形变、阴影等，这些无疑加剧计算机处理的难度。现行的小麦病害检测与统计工作主要是依靠少数植保专家和农技人员来完成的，但是人力有限、人工检测与统计时效性差、人工检测效率低下，致使小麦病害预测预报难以准确的开展。

现有技术中虽提出了多种针对于病害图像进行检测的方法，但由于小麦病害的图像背景复杂，并配上光照、姿态等影响，使得传统的自动检测与统计方法误检率高、鲁棒性差。而基于传统方法，若为了降低误检率，则需要加大模型识别运算的搜索范围，即针对图像的每个网格均进行扫描分析，但这势必会大大加大运算时间，导致运算过于复杂，更无法在田间实际环境中应用。

因此，如何在基于不增加运算强度的条件下提高小麦病害检测的准确性已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中提高小麦病害检测识别率导致运算过于复杂的缺陷，提供一种基于深度策略学习的小麦病害检测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于深度策略学习的小麦病害检测方法，包括以下步骤：

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；

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；

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；

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；

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。

所述的构造小麦病害图像的策略包括以下步骤：

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

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：