一种水稻病虫害识别方法和系统技术方案

本发明专利技术提供了一种水稻病虫害识别方法和系统，该方法包括：S1，采集稻田中的待识别水稻病虫害图像；S2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；S3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。本发明专利技术可准确对水稻病虫害进行识别，并给出相应的病虫害防治措施，有效控制水稻病虫害对水稻产量和质量的影响，减少农产品的经济损失。

【技术实现步骤摘要】
一种水稻病虫害识别方法和系统
本专利技术涉及计算机视觉领域，具体而言，涉及一种水稻病虫害识别方法和系统。
技术介绍
水稻是中国乃至全世界最主要的粮食作物，提高水稻的产量和品质是当前粮食生产的重要目标。水稻在生长过程中会受到各种病虫害的侵害，近年来，由于全球气候变暖、水稻耕作制度的改变、水稻品种选择和不合理用药等多种原因，水稻病害呈现发生面积大、病害发生种类多和发生程度重等特点，严重威胁到粮食生产的产量和品质，因此，水稻病虫害的防治在水稻生产和国民经济发展中占据极其重要的地位。水稻病虫害防治的前提是对病虫害的种类进行准确地识别。目前病虫害的识别主要依靠人工，具体包括通过已有经验进行识别、查阅比对病虫害图谱和咨询专家等。对于普通常见的病虫害类型，农民可直接辨别。然而对于那些不同病害造成的相似病斑和相同病害在不同品种有不同的病斑等情形，除了有经验的专家，如果单纯通过比对图谱、根据病害的文字描述来判断病虫害类型，则往往会造成人为的误判。另外，广大的农民朋友接受的文化教育相对不多，面对病虫害时往往不能及时对治，等到水稻病情严重时才加大用药量，这样不仅适得其反，还会严重污染环境。综上，行业内急需研发一种能科学、高效地识别病虫害的类型和防治措施的方法或者系统。
技术实现思路
本专利技术旨在解决现有技术或相关技术中存在的问题。为此，本专利技术的一个目的在于提出了一种水稻病虫害识别方法，另一个目的在于提出一种水稻病虫害识别系统。一种水稻病虫害识别方法，包括：S1，采集稻田中的待识别水稻病虫害图像；S2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；S3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。优选地，步骤S2还包括：将获取的待识别水稻病虫害图像转换成RGB图像数据并存储，将RGB图像数据输入已训练好的深度学习识别模型。优选地，所述深度学习识别模型的训练步骤具体包括：构建水稻病虫害数据集；将水稻病虫害数据集划分成训练集和测试集；其中，训练集用于训练深度学习识别模型，测试集用来评估训练好的深度学习识别模型泛化能力的强弱；基于经典深度学习识别网络ResNet提出FRNet网络；使用训练集对FRNet网络进行训练，总共对FRNet网络训练N个轮次，每个轮次训练完后都用测试集对深度学习识别模型的识别精度进行测试，将识别精度最高的模型对应的网络权值文件作为对待识别水稻病虫害图像进行识别的深度学习识别模型；N≥2。优选地，所述构建水稻病虫害数据集的步骤，具体包括：编写网络爬虫爬取有关水稻病虫害的图片并进行筛选；到稻田地实地采集病虫害图像；将筛选出的水稻病虫害的图片和采集的病虫害图像作为水稻病虫害数据集，其中水稻病虫害数据集包括病害数据集和虫害数据集。优选地，若判断识别出的水稻病虫害图像存在病虫害，则发出报警提示后还包括：自动将水稻病虫害图像进行标记，将已标记的水稻病虫害图像加入到数据集中，并使用新的数据集对深度学习识别模型进行训练，将训练完的最优深度学习识别模型覆盖原来的深度学习识别模型。优选地，所述基于经典深度学习识别网络ResNet提出FRNet网络的步骤，具体包括：将深度学习识别网络ResNet最后一个残差块输出的每个特征图拉成一维的特征向量；把每个特征图的特征向量按行排成一个矩阵F，再将矩阵F与矩阵F的转置矩阵相乘得到权值矩阵W；将权值矩阵W标准化后求出权值矩阵W所有元素的最大值max，然后将最大值max作为正则项加入到交叉熵损失函数中，得到FRNet网络。一种水稻病虫害识别系统，包括：图像采集与处理单元，用于采集稻田中的待识别水稻病虫害图像，将获取的待识别水稻病虫害图像转换成RGB图像数据并存储；水稻病虫害识别单元，用于调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别；报警提醒单元，用于根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。优选地，所述水稻病虫害识别系统还包括：深度学习识别模型训练单元；深度学习识别模型训练单元，用于构建水稻病虫害数据集；将水稻病虫害数据集划分成训练集和测试集；其中，训练集用于训练深度学习识别模型，测试集用来评估训练好的深度学习识别模型泛化能力的强弱；基于经典深度学习识别网络ResNet提出FRNet网络；使用训练集对FRNet网络进行训练，总共对FRNet网络训练N个轮次，每个轮次训练完后都用测试集对深度学习识别模型的识别精度进行测试，将识别精度最高的模型对应的网络权值文件作为对待识别水稻病虫害图像进行识别的深度学习识别模型；N≥2。本专利技术与现有技术相比，具有如下优点和有益效果：本专利技术预选从数据集的搜集入手，数据集有三个来源：使用网络爬虫从互联网爬取水稻相关的病虫害图片、田间现场拍照和从事水稻研究的老师提供的水稻病虫害图片，对整理好的数据集采用深度学习相关算法训练出一个有较高识别率、较强泛化能力的水稻病虫害识别模型。再以此水稻病虫害识别模型为核心开发出一套集图像采集、图像识别和报警提醒于一体的水稻病虫害识别方法，以供广大从事农业工作的朋友使用。该方法能实时、高效地获取病虫害的类型和防治措施，对推动农业的现代化发展具有重要的实践意义。此外，本专利技术的优点和有益效果还包括：1、本专利技术在训练深度学习识别模型的过程中，使用训练集对FRNet网络进行训练，而FRNet网络，引入了特征图正则化思想，使得每个特征图学到的特征尽可能地不一样，提高深度学习识别模型的泛化能力。2、本专利技术的水稻病虫害识别方法和系统，通过病虫害图像的定点定时采集，将计算机视觉识别、CNN卷积神经网络模型集成到识别系统，降低图像的带宽占用，优化了网络资源，能够快速地进行CNN卷积神经网络模型检测，大大提升了识别的效率。3、本专利技术增加了反馈和更新机制，每次发出报警信号时系统都会自动将被检测出病虫害的图片进行标记，然后系统会定时地将已标记的图片加入到数据集中，并使用新的数据集对识别模型进行训练，将训练完的最优模型覆盖原来的模型，使病虫害的识别准确率持续提升。附图说明图1是本专利技术实施例的水稻病虫害识别方法的流程示意图。图2是本专利技术实施例的FRNet网络结构图。图3本专利技术实施例的水稻病虫害识别系统的示意框图。具体实施方式为了更好的理解本专利技术的技术方案，下面结合附图详细描述本专利技术提供的实施例，但本专利技术的实施方式不限于此。实施例1如图1所示，一种水稻病虫害识别方法，包括以下步骤：S1.采集稻田中的待识别水稻病虫害图像，将待识别水稻病虫害图像转换成标准RGB图像数据并存储，转换后获得24位R、G、B彩色空间的真彩色原始水稻生长图像。S2.调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；深度学习识别模型的训练离不开数据集的构建，本专利技术的水稻病虫害数据集的构建包括以下步骤：编写本文档来自技高网...

【技术保护点】
1.一种水稻病虫害识别方法，其特征在于，包括：/nS1，采集稻田中的待识别水稻病虫害图像；/nS2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；/nS3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。/n

【技术特征摘要】
1.一种水稻病虫害识别方法，其特征在于，包括：
S1，采集稻田中的待识别水稻病虫害图像；
S2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；
S3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。


2.根据权利要求1所述的水稻病虫害识别方法，其特征在于，步骤S2还包括：将获取的待识别水稻病虫害图像转换成RGB图像数据并存储，将RGB图像数据输入已训练好的深度学习识别模型。


3.根据权利要求2所述的水稻病虫害识别方法，其特征在于，所述深度学习识别模型的训练步骤具体包括：
构建水稻病虫害数据集；
将水稻病虫害数据集划分成训练集和测试集；其中，训练集用于训练深度学习识别模型，测试集用来评估训练好的深度学习识别模型泛化能力的强弱；
基于经典深度学习识别网络ResNet提出FRNet网络；
使用训练集对FRNet网络进行训练，总共对FRNet网络训练N个轮次，每个轮次训练完后都用测试集对深度学习识别模型的识别精度进行测试，将识别精度最高的模型对应的网络权值文件作为对待识别水稻病虫害图像进行识别的深度学习识别模型；N≥2。


4.根据权利要求3所述的水稻病虫害识别方法，其特征在于，所述构建水稻病虫害数据集的步骤，具体包括：
编写网络爬虫爬取有关水稻病虫害的图片并进行筛选；
到稻田地实地采集病虫害图像；
将筛选出的水稻病虫害的图片和采集的病虫害图像作为水稻病虫害数据集，其中水稻病虫害数据集包括病害数据集和虫害数据集。


5.根据权利要求4所述的水稻病虫害识别方法，其特征在于，若判断识别出的水稻病虫害图像存在病虫害，则发出报警提示后还包括：
自动将水稻病虫害图像进行标记，将已标记...

【专利技术属性】
技术研发人员：彭红星，李泽轩，钟景润，王炳锋，谢芷华，谢宇笙，李世煖，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44