本發(fā)明涉及圖像處理，尤其涉及一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法和系統(tǒng)。

背景技術(shù)：

1、隨著茶產(chǎn)業(yè)日益繁盛，茶園病蟲害問題也愈發(fā)凸顯，病蟲害問題一直是影響茶葉產(chǎn)量和質(zhì)量的重要因素，不僅會(huì)導(dǎo)致茶葉產(chǎn)量下降，還可能影響茶葉的外觀、風(fēng)味和品質(zhì)；甚至在嚴(yán)重情況下，將導(dǎo)致茶樹的死亡。病蟲害的早期檢測(cè)和準(zhǔn)確識(shí)別對(duì)于茶園的健康管理和防治措施的及時(shí)實(shí)施至關(guān)重要。

2、目前，茶園病蟲害的監(jiān)測(cè)主要依賴于人工觀察和簡(jiǎn)單的傳統(tǒng)監(jiān)測(cè)設(shè)備。人工觀察方式不僅費(fèi)時(shí)費(fèi)力，而且由于觀察者的經(jīng)驗(yàn)水平不同，病蟲害識(shí)別的準(zhǔn)確性和及時(shí)性難以保證。傳統(tǒng)的監(jiān)測(cè)設(shè)備往往只能覆蓋茶園的一部分區(qū)域，無法實(shí)現(xiàn)對(duì)茶園全域的實(shí)時(shí)監(jiān)測(cè)，病蟲害的分布情況無法及時(shí)反饋，導(dǎo)致防治措施滯后。此外，傳統(tǒng)方法難以提供精細(xì)的病蟲害分布圖，缺乏對(duì)病蟲害具體分布區(qū)域和嚴(yán)重程度的準(zhǔn)確分析，管理人員容易出現(xiàn)決策失誤。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法和系統(tǒng)，所述方法通過首先利用病蟲害目標(biāo)檢測(cè)模型定位病蟲害集中區(qū)域，再通過區(qū)域分布分析模型進(jìn)行更精細(xì)化的分割獲得病蟲害分布圖，大大提高了定位準(zhǔn)確率和識(shí)別精度。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、第一方面，本發(fā)明提供一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，包括：

4、獲取茶園茶葉圖像和環(huán)境信息；對(duì)茶園茶葉圖像進(jìn)行預(yù)處理；

5、利用病蟲害目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的茶園茶葉圖像進(jìn)行初步病蟲害識(shí)別，得到病蟲害集中區(qū)域圖像和病蟲害類型；

6、將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，并生成病蟲害分布圖；

7、結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議。

8、優(yōu)選地，所述環(huán)境信息包括茶園的溫度、濕度、土壤ph值、風(fēng)速和風(fēng)向信息。

9、優(yōu)選地，所述預(yù)處理包括：對(duì)所述茶園茶葉圖像進(jìn)行統(tǒng)一亮度校正、直方圖均衡化、圖像尺寸調(diào)整和歸一化處理。

10、優(yōu)選地，所述病蟲害目標(biāo)檢測(cè)模型包括cspdarknet網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)和基于anchor-free的預(yù)測(cè)模塊；

11、所述cspdarknet網(wǎng)絡(luò)包括多個(gè)卷積模塊、c2f模塊和sppf模塊；卷積模塊用于提取低層次特征，c2f模塊用于對(duì)卷積模塊輸出的低層次特征進(jìn)行融合；sppf模塊用于對(duì)c2f模塊輸出的融合特征進(jìn)行多層次交互；

12、所述多尺度特征融合網(wǎng)絡(luò)由特征金字塔網(wǎng)絡(luò)和路徑聚合網(wǎng)絡(luò)組成，用于對(duì)sppf模塊輸出的交互特征進(jìn)行多尺度融合；

13、基于anchor-free的預(yù)測(cè)模塊接收多尺度特征融合網(wǎng)絡(luò)輸出的多尺度特征，輸出目標(biāo)的類別損失和預(yù)測(cè)框損失。

14、優(yōu)選地，所述將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，具體包括：

15、將病蟲害集中區(qū)域圖像通過連續(xù)的卷積層和激活層，提取初始特征圖；對(duì)初始特征圖通過最大池化層提取高層次特征圖；

16、將高層次特征圖逐步恢復(fù)到原始圖像的分辨率，得到恢復(fù)圖像，通過跳躍連接將恢復(fù)圖像進(jìn)行拼接融合；

17、根據(jù)病蟲害類型，調(diào)用基于所述病蟲害類型對(duì)應(yīng)的病蟲害數(shù)據(jù)庫訓(xùn)練的分類器對(duì)拼接融合后的特征進(jìn)行分類，提取病蟲害目標(biāo)前景，得到病蟲害目標(biāo)圖像。

18、優(yōu)選地，所述病蟲害分布圖為，將獲取的茶園內(nèi)所有茶園茶葉圖像進(jìn)行拼接，基于病蟲害目標(biāo)圖像的位置，為同屬于一種病蟲害類型的病蟲害目標(biāo)圖像標(biāo)記相同的顏色，不同病蟲害類型標(biāo)記不同的顏色，背景的像素則不做處理，得到病蟲害分布圖。

19、優(yōu)選地，所述結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議；具體包括：

20、根據(jù)病蟲害分布圖，定位各類病蟲害區(qū)域；通過計(jì)算各類病蟲害所在病蟲害集中區(qū)域圖像的面積，得到各類病蟲害的分布占比，估算各種病蟲害嚴(yán)重程度；

21、根據(jù)病蟲害類型，從農(nóng)業(yè)病蟲害數(shù)據(jù)庫中調(diào)用相應(yīng)防治建議；所述防治建議包括用藥類型、施藥量和施藥時(shí)間；

22、根據(jù)環(huán)境信息和該類病蟲害嚴(yán)重程度，調(diào)整防治建議。

23、第二方面，本發(fā)明提供一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別系統(tǒng)，包括：

24、數(shù)據(jù)獲取模塊，被配置為，獲取茶園茶葉圖像和環(huán)境信息；對(duì)茶園茶葉圖像進(jìn)行預(yù)處理；

25、初步識(shí)別模塊，被配置為，利用病蟲害目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的茶園茶葉圖像進(jìn)行初步病蟲害識(shí)別，得到病蟲害集中區(qū)域圖像和病蟲害類型；

26、深度識(shí)別模塊，被配置為，將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，并生成病蟲害分布圖；

27、分析反饋模塊，被配置為，結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議。

28、第三方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。

29、第四方面，本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。

30、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

31、(1)本發(fā)明通過獲取茶園的rgb圖像信息，定位病蟲害所在區(qū)域，為了分析病蟲害的分布情況，將病蟲害集中區(qū)域圖像輸入至區(qū)域分布分析網(wǎng)絡(luò)進(jìn)行病蟲害類型和細(xì)致分布的分析，最后，結(jié)合病蟲害分析報(bào)告和其他環(huán)境傳感器反饋的環(huán)境信息，給予管理人員決策建議。通過快速定位病蟲害區(qū)域，可以實(shí)時(shí)監(jiān)測(cè)茶園病蟲害，提升信息反饋速度，并且結(jié)合傳感器反饋信息和病蟲害分析得出的決策建議更加科學(xué)合理，管理人員能夠精確控制防治措施，有效保障茶園產(chǎn)量和質(zhì)量。

32、(2)本發(fā)明提出兩階段式的病蟲害定位識(shí)別，首先定位病蟲害集中區(qū)域，再通過更精細(xì)化的分割獲得病蟲害分布圖，大大提高了定位準(zhǔn)確率和識(shí)別精度。

33、(3)本發(fā)明基于多個(gè)環(huán)境傳感器的信息和病蟲害分析報(bào)告，使管理人員對(duì)于茶園環(huán)境有更加全面的了解，對(duì)于不同的病蟲害和嚴(yán)重程度能夠精準(zhǔn)防治、對(duì)癥下藥，可以提高農(nóng)藥利用率，減小環(huán)境污染。

34、本發(fā)明附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，包括：

2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述環(huán)境信息包括茶園的溫度、濕度、土壤ph值、風(fēng)速和風(fēng)向信息。

3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述預(yù)處理包括：對(duì)所述茶園茶葉圖像進(jìn)行統(tǒng)一亮度校正、直方圖均衡化、圖像尺寸調(diào)整和歸一化處理。

4.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述病蟲害目標(biāo)檢測(cè)模型包括cspdarknet網(wǎng)絡(luò)、多尺度特征融合網(wǎng)絡(luò)和基于anchor-free的預(yù)測(cè)模塊；

5.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，具體包括：

6.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述病蟲害分布圖為，將獲取的茶園內(nèi)所有茶園茶葉圖像進(jìn)行拼接，基于病蟲害目標(biāo)圖像的位置，為同屬于一種病蟲害類型的病蟲害目標(biāo)圖像標(biāo)記相同的顏色，不同病蟲害類型標(biāo)記不同的顏色，背景的像素則不做處理，得到病蟲害分布圖。

7.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法，其特征在于，所述結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議；具體包括：

8.一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別系統(tǒng)，其特征在于，包括：

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。

10.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法中的步驟。

技術(shù)總結(jié)
本發(fā)明提出一種基于深度學(xué)習(xí)的茶園病蟲害識(shí)別方法和系統(tǒng)，方法包括：獲取茶園茶葉圖像和環(huán)境信息；對(duì)茶園茶葉圖像進(jìn)行預(yù)處理；利用病蟲害目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的茶園茶葉圖像進(jìn)行初步病蟲害識(shí)別，得到病蟲害集中區(qū)域圖像和病蟲害類型；將病蟲害集中區(qū)域圖像和病蟲害類型，輸入至區(qū)域分布分析模型，進(jìn)行深度病蟲害識(shí)別，得到病蟲害目標(biāo)圖像，并生成病蟲害分布圖；結(jié)合環(huán)境信息、病蟲害集中區(qū)域圖像、病蟲害類型和病蟲害分布圖，制定防治建議。本發(fā)明不僅可以實(shí)時(shí)監(jiān)測(cè)茶園病蟲害，提升信息反饋速度，還能精確控制防治措施，有效保障茶園產(chǎn)量和質(zhì)量。

技術(shù)研發(fā)人員：姜兆亮,楊玉通,朱薪瑞,郭云龍,丁海超,牛平平
受保護(hù)的技術(shù)使用者：山東大學(xué)日照研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10