【技术实现步骤摘要】
本申请涉及机器学习，为一种基于机器学习的植物虫害检测方法，具体为一种基于机器学习的芒果虫害检测方法、装置及设备。
技术介绍
1、芒果，作为生活当中一种重要的水果作物，深受人们喜爱，在我国主要分布在海南、福建、云贵地区、两广地区、台湾等地区。芒果树在生长、开花、结果、成熟过程中不仅容易受到地域气候、温室建筑效、农作物作监测与管理方法的制约，还常常容易受到病虫害的侵扰。每当植物在进行光合作用时，虫害的出现会使得作物出现病态甚至死亡。如果大量的虫害出现在果园之中，可对芒果作物造成广泛的伤害，导致农户出现严重的经济损失，阻碍了乡村振兴步伐和农业的发展。
2、芒果树在生长和结果实的过程中，其主要病虫害分为两类，一类是由微生物、病毒、细菌等病原体所致，以枯叶病、叶斑病、炭疽病和流胶病为主；另一类是由害虫所致，主要以蓟马、小食蝇、叶象甲雌虫、天牛、蚜为主。当前，许多学者已经对茄子、黄瓜、土豆等农作物在生长过程遇到的虫害问题提出了一些先进识别方法，积累了丰富经验。然而受到不同作物叶上的病害颜色、位置、面积、种类的影响，使得在农业成像诊断识别过程中定位和识别精度难度越来越大。
3、随着数字图像处理技术的不断发展，在众多领域有着广泛应用，其中就包括农业监测当中的成像诊断技术。农业成像诊断作为一种全自动化的技术，其主要步骤有原始图像数据的采集与预处理、对采集数据进行模型训练与测试、模型优化与应用等，并利用定制方法进行特征检索以及压缩。其中，在检监测芒果病虫害并对其进行分类是一项关键任务。
技术实现思
1、为了解决现有技术中存在的技术问题，本申请实施例提供一种基于机器学习的芒果虫害检测方法、装置及设备，能够实现对于芒果虫害的自动化检测识别。
2、为了达到上述目的，本申请实施例采用的技术方案如下：
3、第一方面，提供一种基于机器学习的芒果虫害检测方法，所述方法包括：获取目标区域的芒果树木的图像，并提取所述图像的图像特征；并对所述图像特征进行筛选，得到最佳特征；将所述最佳特征基于分类器进行分类，得到分类结果。
4、进一步的，基于sift算法对所述图像进行特征提取，得到图像特征；具体包括：对所述图像进行尺度空间分解，通过高斯微分函数根据识别对尺度和选择不变的兴趣点作为候选位置，基于拟合内插函数确定候选位置的位置尺度，并基于位置尺度对多个候选位置进行筛选得到筛选后的多个候选位置为关键点；对所述关键点通过拟合精细模型实现各个关键点的定位，得到中间关键点；基于图像局部特征为每个中间关键点分配基准方向，并通过计算关键点局部领域的方向直方图，寻找直方图中最大值的方向作为中间关键点的主方向；使用在关键点尺度空间内4*4的窗口中计算的8个方向的梯度信息，得到特征向量。
5、进一步的，所述对所述图像特征进行筛选，包括：基于特征向量的熵对多个图像特征进行初步筛选，得到满足预设置熵阈值的初步特征向量；将所述初步特征向量机通过鲸鱼优化算法得到所述最佳特征。
6、进一步的，所述基于特征向量的熵对多个图像特征进行初步筛选，包括：基于下式计算所述特征向量的熵值：
7、h1＝hdiff,1+id(n)＝hdiff,1+h1,max；对预设置的阈值进行更新得到更新后的熵阈值；将所述特征向量的熵值与更新后的熵阈值进行筛选，得到筛选后的初始特征。
8、进一步的，所述对所述图像特征进行筛选，得到最佳特征，包括：将所述初始特征基于鲸鱼优化算法进行筛选，得到最佳特征；具体包括以下步骤：初始化鲸鱼种群规模大小以及最大迭代次数，以及初始化鲸鱼种群的位置；计算每一头鲸鱼相应的适应度值，并根据适应度值的大小进行排序，选取符合要求的多个初始种群；计算多个所述初始种群中每个个体的适应度值，并筛选出适应度值最小的个体位置为最优位置；更新下一代的位置，并重复上述过程进行迭代，直至达到终止条件，输出最优个体。
9、进一步的，所述重复上述过程进行迭代，包括：确定食物源位置关系和迭代关系进行猎物包围，更新鲸鱼位置进行猎物捕获和猎物搜索。
10、进一步的，基于下式进行食物源位置关系和迭代关系确定：d＝|c·x*(t)-x(t)|，x(t+1)＝x*(t)-a·d；其中，x*(t)是目前为止鲸鱼搜索到的食物源时最好的位置向量，x(t)是鲸鱼当前的位置向量，c为随机因子，d为鲸鱼和目标物之间的距离；其中a与c的取值基于下式进行确定：a＝2a·rand1-rand1，c＝2·rand2；其中a是用于控制鲸鱼向选定的目标靠近或远离的移动范围，参数a是从2至0线性递减变化，参数rand1是[0,1]范围内的随机数，参数rand2是[0,1]范围内的随机数；随着参数a变化至0时，获得最优解。
11、进一步的，所述更新鲸鱼位置进行猎物捕获，包括：基于下式确定猎物位置和鲸鱼之间的距离：x(t+1)＝d.ebl.cos(2πl)+x*(t)，其中d＝|x*(t)-x(t)|表示鲸鱼和猎物之间的距离，x*(t)表示目前为止最好的位置向量，b是一个常数，用来定义环形螺线的形状，l是(-1.1)中的随机数；基于下式进行迭代获取更新位置：其中p为从0到1的随机数；在迭代过程中当a的值从2下降至0时，a是在[一a,a]内的随机值。
12、第二方面，提供一种基于机器学习的芒果虫害检测装置，所述装置包括：特征提取模块，用于获取目标区域的芒果树木的图像，并提取所述图像的图像特征；特征筛选模块，用于对所述图像特征进行筛选，得到最佳特征；分类模块，用于将所述最佳特征基于分类器进行分类，得到分类结果
13、第三方面，提供一种终端设备，包括：存储器和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行上述任一项所述的芒果虫害检测。
14、本申请实施例提供的技术方案中，通过使用sift算法对原始图像进行特征抽取，然后使用基于机器学习熵值的鲸鱼算法对芒果树虫害图像进行特征优化，并将筛选出的最优特征通过支持向量机的分类器实现对于虫害的分类。与现有技术相比，本专利技术提高了芒果害虫的分类模型的精度和效率。在实际的农业自动监测应用场景中，该方法的实现一方面帮助克服了昂贵的人工成本和时间成本，另一方还可以减少经济损失、提高作物质量。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的芒果虫害检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的芒果虫害检测方法，其特征在于，所述提取所述图像的图像特征包括：
3.根据权利要求2所述的基于机器学习的芒果虫害检测方法，其特征在于，所述对所述图像特征进行筛选，包括：
4.根据权利要求3所述的基于机器学习的芒果虫害检测方法，其特征在于，所述基于特征向量的熵对多个图像特征进行初步筛选，包括：
5.根据权利要求4所述的基于机器学习的芒果虫害检测方法，其特征在于，所述对所述图像特征进行筛选，得到最佳特征，包括：
6.根据权利要求5所述的基于机器学习的芒果虫害检测方法，其特征在于，所述重复上述过程进行迭代，包括：确定食物源位置关系和迭代关系进行猎物包围，更新鲸鱼位置进行猎物捕获和猎物搜索。
7.根据权利要求6所述的基于机器学习的芒果虫害检测方法，其特征在于，基于下式进行食物源位置关系和迭代关系确定：
8.根据权利要求6所述的基于机器学习的芒果虫害检测方法，其特征在于，所述更新鲸鱼位置进行猎物捕获，包括
9.一种基于机器学习的芒果虫害检测装置，其特征在于，所述装置包括：
10.一种终端设备，包括：存储器和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-8任一项所述的芒果虫害检测方法。
...【技术特征摘要】
1.一种基于机器学习的芒果虫害检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的芒果虫害检测方法，其特征在于，所述提取所述图像的图像特征包括：
3.根据权利要求2所述的基于机器学习的芒果虫害检测方法，其特征在于，所述对所述图像特征进行筛选，包括：
4.根据权利要求3所述的基于机器学习的芒果虫害检测方法，其特征在于，所述基于特征向量的熵对多个图像特征进行初步筛选，包括：
5.根据权利要求4所述的基于机器学习的芒果虫害检测方法，其特征在于，所述对所述图像特征进行筛选，得到最佳特征，包括：
6.根据权利要求5所述的基于机器学习的芒果虫害检...
【专利技术属性】
技术研发人员：林治，何少云，
申请(专利权)人：广东工程职业技术学院，
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。