【技术实现步骤摘要】
本专利技术属于农作物病害防治，具体而言，涉及一种蚜传染病毒大范围识别方法、介质及系统。
技术介绍
1、在我国农业生产中，蚜虫传播的病毒性疾病是导致作物损失的重要病害之一。常见的病毒有瓜蚜传染的黄瓜绿脉绣球病毒、烟粉虱传播的烟草花叶病毒等，可使作物出现各种病症状而导致减产。传统的防治方法有喷洒化学农药杀灭病媒虫体、种植抗病品种等。但这些方法存在一定问题：农药使用过量会污染环境，抗病品种的培育周期长且抗性可能削弱。而最主要的问题在于，传统防治属“治标不治本”，无法对病害进行有效监测与定位，无法指导精准防治。
2、针对上述问题，应用热成像、超声波等技术手段对农作物开展病害检测的尝试取得一定进展，能够对大面积区域进行扫描性监测。但这些方法受分辨率限制，往往难以对病害形态做出准确判断，仅能给出可能存在问题的区域，而无法精确确定严重区域坐标。
技术实现思路
1、有鉴于此，本专利技术提供一种蚜传染病毒大范围识别方法、介质及系统，能够准确识别病毒以及准确定位病毒感染位置，自动化程度高，方便实时监测。
2、本专利技术是这样实现的：
3、本专利技术的第一方面提供一种蚜传染病毒大范围识别方法，其中，包括以下步骤：
4、s01、获取指定农田区域的无人机巡航图像，并拼接形成第一图像；
5、s02、对所述第一图像进行预处理，对不包括作物图片区域进行删除处理，并将删除处理后的第一图像拼接为第二图像；
6、s03、对所述第二图像进行灰度处理，
7、s04、利用预先训练好的疑似蚜传病毒分布模型对所述第三图像进行计算，得到蚜传病毒疑似分布矩阵，所述蚜传病毒疑似分布矩阵的每个元素包含两个参数，分别是坐标以及对应的蚜传病毒疑似度；
8、s05、对所述疑似分布矩阵中的每个元素的病毒疑似度进行聚类，得到多个典型疑似度；
9、s06、选择所述第三图像上与所述多个典型疑似度最接近的疑似度对应的区域图片，记为区域图片集；
10、s07、获取每个区域图片的高清图像，并利用预先训练好的蚜传病毒识别模型对所述每个区域图片的高清图像进行识别，得到每个高清图像的蚜传病毒感染度；
11、s08、采用每个高清图像的蚜传病毒感染度对所述蚜传病毒疑似分布矩阵进行优化，得到蚜传病毒分布矩阵；
12、s09、根据所述蚜传病毒分布矩阵，选择蚜传病毒疑似度大于预设最低阈值的矩阵元素对应的区域图片，记为精确采集区域集；
13、s10、根据所述精确采集区域集，获取每个精确采集区域的高清图像，并利用预先训练好的蚜传病毒识别模型对所述每个精确采集区域图片的高清图像进行识别，得到每个精确采集区域的蚜传病毒感染度；
14、s11、根据得到的每个精确采集区域的蚜传病毒感染度对所述蚜传病毒分布矩阵进行优化，得到蚜传病毒目标分布矩阵，并输出。
15、在上述技术方案的基础上，本专利技术的一种蚜传染病毒大范围识别方法还可以做如下改进:
16、其中，所述步骤s02的具体实施方式包括：
17、利用语义分割技术识别所述第一图像的植被区域，获取植被区域坐标；
18、根据植被区域坐标，从所述第一图像中裁剪出所有非植被区域，完成对不包含作物图片区域的删除处理；
19、将删除处理后保留的图像区域拼接生成第二图像。
20、采用上述改进方案的有益效果为：通过使用图像特征匹配和图景拼接算法，从原始图像中生成删除非作物区域后的第二图像。
21、进一步的，所述步骤s04的具体实施方式包括：
22、读取所述第三图像；
23、根据所述第三图像大小，设定滑动窗口参数，包括滑动窗口大小、滑动步长、扫描路径；
24、滑动截取所述第三图像内的所有窗口图片，加载蚜传病毒疑似分布模型，根据所述蚜传病毒疑似分布模型预测窗口图片，构建窗口图像数据集；
25、遍历构建蚜传病毒疑似分布矩阵，存储预测概率。
26、采用上述改进方案的有益效果为：通过滑动窗口截取图像块，输入预训练模型预测蚜传病毒概率，从而输出反映整个图像区域疑似病毒分布情况的矩阵，为后续确定精确病毒感染区域提供依据。
27、进一步的，所述疑似蚜传病毒分布模型的训练步骤包括：
28、构建包含健康和感染作物图片的数据集；
29、人工标注蚜传病毒位置，划分训练集、验证集和测试集；
30、采用卷积神经网络，设置网络层参数，使用随机梯度下降法优化，设定训练轮数、批大小参数，保存验证集准确率最高模型。
31、进一步的，所述步骤s06的具体实施方式包括：
32、输入典型疑似度以及对应的类别标签，读取所述蚜传病毒疑似分布矩阵；
33、遍历所述蚜传病毒疑似分布矩阵的每个元素，获取元素坐标和蚜传病毒疑似度；
34、计算所获取的蚜传病毒疑似度与典型疑似度差值，选择最接近的元素，截取所述第三图像的窗口图片构建区域图片集。
35、采用上述改进方案的有益效果为：通过挑选出与典型疑似度最近的子图块，提取可能存在典型程度蚜传病毒感染的图像区域，为后续识别及构建病毒分布矩阵提供样本。
36、进一步的，所述步骤s09的具体实施方式包括：
37、读取蚜传病毒分布矩阵；
38、浏览所述蚜传病毒分布矩阵的每个元素的蚜传病毒感染度；
39、设置感染度筛选阈值，选取高于阈值元素；
40、记录高于阈值的元素对应的坐标，构建坐标集；
41、提取坐标集对应区域的图片，构建精确采集区域图像集。
42、采用上述改进方案的有益效果为：通过设定筛选阈值，选取病毒感染率较高的区域构建采集样本集，为后续的精细识别及确定提供目标区域。
43、进一步的，所述步骤s10的具体实施方式包括：
44、读取精确采集区域图像集对应的每个区域的高清图像；
45、计算样本区域距地面的距离；
46、对采集样本图像降采样获取高分辨率图像，输入识别模型；
47、记录蚜传病毒感染预测结果，构建字典，读取蚜传病毒分布矩阵，更新每个精确采集区域的蚜传病毒感染度。
48、采用上述改进方案的有益效果为：通过高分辨率采集样本图像的识别反馈，进一步优化病毒感染分布矩阵，使之更准确地反映作物上的真实病毒感染分布情况。
49、进一步的，所述蚜传病毒识别模型的训练步骤包括：
50、构建不同程度感染图片数据集；
51、标注图片数据集中每个图片上作物的感染程度，根据感染程度划分数据集；
52、采用基于resnet的卷积神经网络，冻结部分权重，设置全连接层的参数；
53、使用adam优化算法，设定损失函数参数，保存验证集上损失最小的模型作为蚜传病毒识别模型。
54、本专利技术本文档来自技高网...
【技术保护点】
1.一种蚜传染病毒大范围识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤S02的具体实施方式包括：
3.根据权利要求2所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤S04的具体实施方式包括：
4.根据权利要求3所述的一种蚜传染病毒大范围识别方法，其特征在于，所述疑似蚜传病毒分布模型的训练步骤包括：
5.根据权利要求4所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤S06的具体实施方式包括：
6.根据权利要求5所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤S09的具体实施方式包括：
7.根据权利要求6所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤S10的具体实施方式包括：
8.根据权利要求7所述的一种蚜传染病毒大范围识别方法，其特征在于，所述蚜传病毒识别模型的训练步骤包括：
9.一种蚜计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利
10.一种蚜传染病毒大范围识别系统，包含权利要求9所述的计算机可读存储介质。
...【技术特征摘要】
1.一种蚜传染病毒大范围识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤s02的具体实施方式包括：
3.根据权利要求2所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤s04的具体实施方式包括：
4.根据权利要求3所述的一种蚜传染病毒大范围识别方法，其特征在于，所述疑似蚜传病毒分布模型的训练步骤包括：
5.根据权利要求4所述的一种蚜传染病毒大范围识别方法，其特征在于，所述步骤s06的具体实施方式包括：
6.根据权利要求5所述的一种蚜传...
【专利技术属性】
技术研发人员：李莹，王英文，刘天波，焦裕冰，肖艳松，申莉莉，蔡海林，杨金广，周向平，滕凯，
申请(专利权)人：中国烟草总公司湖南省公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。