一种植物病虫害图像识别系统

1.本发明涉及图像识别技术领域，具体为一种植物病虫害图像识别系统。


背景技术：

[0002][0003]
现有专利(公告号：cn 112699805 a)及蔬菜病虫害防治智能识别系统，此专利云端服务器利用预先训练的病虫害智能识别模型得到识别结果，再结合专家平台的人家判断，可以得到相应的病虫害类型识别结果，并且存储对应的治理措施生成病虫害诊断结果反馈给用户终端，使得农户可以准确识别存在的病虫害类型并采用合适的治理措施进行治理，识别率较高且较稳定，对防控蔬菜病虫害极其重要，然而对于农业种植的蔬菜或者植物而言，其种植面积往往较大，其种植数量较大，通过人工进行巡检，首先容易出现遗漏同时往往需要耗费大量人力，而对病虫害的预计判断，往往非专业人员无法判断，其蔬菜的图像采集存在问题，同时其缺乏对植物状态的分析，往往病虫害中只有部分虫害可直接通过图像观察而出，病害往往需要对植物的状态和颜色进行分析判断，其缺乏对病害的判断方式。
[0004]
因此，我们提出一种植物病虫害图像识别系统，通过启动运动行架带动图像采集模块对植物进行多角度和方位的图像拍摄，可以减少专业人员人员往返路程，同时也可以降低人力减少时间，可在远程完成对植物的观察和判断，有利于大大提高植物种植和生长的专业性，有利于对植物病虫害进行提前规避，有利于促进农业的专业性发展。


技术实现要素：

[0005]
本发明的目的在于提供一种植物病虫害图像识别系统，解决了背景技术中所提出的问题。
[0006]
为实现上述目的，本发明提供如下技术方案：一种植物病虫害图像识别系统，搭建运动行架，通过运动行架使得图像采集模块进行移动图像拍摄，并通过将图像数据上传至病虫害图像识别模块中，通过建立病虫害植物图像库，通过病虫害图像识别模块中利用ai技术学习病虫害植物图像库，通过病虫害图像识别模块对图像采集模块所采集的图像进行识别判断，建立植物专家平台，将病虫害图像识别模块无法识别图像上传至植物专家平台。
[0007]
作为本发明的一种优选实施方式，根据植物园的规模搭建运动行架，使得图像采集模块在运动行架中移动，通过图像采集模块通过运动行架对植物园内植物多角度多方位的拍摄。
[0008]
作为本发明的一种优选实施方式，将植物的生长划分成不同的生长阶段，如休眠期、生长期、花期、结果期等，并在每个生长阶段设置特定的病虫环境特点，按照病虫种类进行分类，使得算法提取虫害的形状特征，对病虫识别算法起到数据支撑的作用，并将其存入病虫害植物图像库，并将地区性病虫害图像存入病虫害植物图像库。
[0009]
作为本发明的一种优选实施方式，病虫害图像识别模块中通过ai技术利用算法识别上传的图像，通过同角度同方位图像类比的方式，将不同时期相同位置的图像进行颜色
对比，再将出现明显颜色差异的图像通过病虫害图像识别模块进行识别，对植物的生长时期(发芽期、幼苗期、成株期、花蕾期、成熟期)的根、茎、花、果的生长状况，分析植株的长势情况。
[0010]
作为本发明的一种优选实施方式，搭建处理模块，通过病虫害图像识别模块完成虫害识别后，通过处理模块根据消除虫害的手册完整处理方案，并及时提醒人员实施。
[0011]
作为本发明的一种优选实施方式，将病虫害图像识别模块中颜色差异较大却无法识别具体病虫害的图像，将上述图像上传至植物专家平台。
[0012]
与现有技术相比，本发明的有益效果如下：
[0013]
1.本发明通过运动行架和图像采集模块，通过启动运动行架带动图像采集模块对植物进行多角度和方位的图像拍摄，可以减少专业人员人员往返路程，同时也可以降低人力减少时间，可在远程完成对植物的观察和判断。
[0014]
2.本发明通过病虫害图像识别模块、植物专家平台和病虫害植物图像库的设置，通过将植物病虫害的图片上传至病虫害植物图像库，并通过病虫害图像识别模块内ai技术进行算法学习，通过类比的方式将所采集的植物图像和病虫害植物图像库比较，通过ai对所采集的植物图像进行判断，并将结果上传，由技术人员查看，并将图像比较不清楚，或者不同时间周期颜色差别较大的图像上传至植物专家平台，由植物专家平台进行判断，有利于大大提高植物种植和生长的专业性，有利于对植物病虫害进行提前规避，有利于促进农业的专业性发展。
附图说明
[0015]
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0016]
图1为本发明一种植物病虫害图像识别系统的整体结构示意图；
具体实施方式
[0017]
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
[0018]
请参阅图1，本发明提供一种技术方案：一种植物病虫害图像识别系统，搭建运动行架，通过运动行架使得图像采集模块进行移动图像拍摄，并通过将图像数据上传至病虫害图像识别模块中，通过建立病虫害植物图像库，通过病虫害图像识别模块中利用ai技术学习病虫害植物图像库，通过病虫害图像识别模块对图像采集模块所采集的图像进行识别判断，通过病虫害图像识别模块将同一植物相近日期的所采集的图像进行颜色和状态类比，建立植物专家平台，将病虫害图像识别模块无法识别判断图像上传至植物专家平台。
[0019]
具体实施例中
[0020]
在农业大规模种植植物的过程中，依靠大量专业人员进行巡检是人力资源的浪费，同时由于种植面积较大，人员巡查时间周期较长，同时长时间的查看容易出现遗漏问题，同时非专业人员对病害的判断不够及时，对植物状态的判断不够清晰，同时缺乏对比效果，不清楚同一株植物一个星期内的生长状态变化，进而导致病害预防效果差。
[0021]
根据植物园的规模搭建运动行架，使得图像采集模块在运动行架中移动，通过图
像采集模块通过运动行架对植物园内植物多角度多方位的拍摄。
[0022]
将植物的生长划分成不同的生长阶段，如休眠期、生长期、花期、结果期等，并在每个生长阶段设置特定的病虫环境特点，按照病虫种类进行分类，使得算法提取虫害的形状特征，对病虫识别算法起到数据支撑的作用，并将其存入病虫害植物图像库，并将地区性病虫害图像存入病虫害植物图像库。
[0023]
病虫害图像识别模块中通过ai技术利用算法识别上传的图像，通过同角度同方位图像类比的方式，将不同时期相同位置的图像进行颜色对比，再将出现明显颜色差异的图像通过病虫害图像识别模块进行识别，对植物的生长时期的根、茎、花、果的生长状况，分析植株的长势情况。
[0024]
搭建处理模块，通过病虫害图像识别模块完成虫害识别后，通过处理模块根据消除虫害的手册完整处理方案，并及时提醒人员实施。
[0025]
将病虫害图像识别模块中颜色差异较大却无法识别具体病虫害的图像，将上述图像上传至植物专家平台。
[0026]
由于植物病害和虫害对植物生长的损坏和防治属于不同范畴，因此病虫害植物图像库划分为病害和虫害两部分。
[0027]
其中病害数据库包括病害基本信息(病害名称、危害部位、被害状、属类、分布和危害)和详细信息(病原、发生规律、防治方法以及病害图集)；而虫害数据库则包括虫害基本信息(虫害名称、拉丁文、科属、危害植物、危害部位、被害状、分布与危害)和详细信息(形态特征、发生规律、防治方法和虫害图集)。
[0028]
通过建立病虫害数据库，提供了一个基于数据库的病虫害的快速诊断功能，通过输入植物的名称、危害部位和被害状态，可以快速定位到产生该危害的病害或者虫害，并提供相应的防治措施，及时对症下药。
[0029]
病虫害图像识别模块需要经过算法训练提高准确率
[0030]
在所采集的图像中，将获取的叶片的图片进行病虫害类别标签、数据预处理，得到叶片的真实标签，将叶片的图片分为训练集、验证集、测试集，训练集裁剪图片，归一化大小，得到新的训练集；将制作得到的数据集送入ai数据库并输出实际值，根据真实标签与实际值计算损失函数值，利用梯度下降反向传播算法更新网络模型的参数，每次更新的网络模型利用验证集验证结果，通过若干次训练，得到训练完成的网络模型；
[0031]
然后将测试集送入训练完成的网络模型，通过与真实标签比对计算出网络模型检测准确率；病虫害识别算法设计运用深度卷积神经网络算法，利用堆叠网络模块的设计，具有精度高、参数少的特点，堆叠模块中的卷积层的特征输出层数很少，另外卷积核的尺寸为1
×
1和3
×
3，上述网络模型的连接使特征和梯度的传输更加有效，更易于训练。
[0032]
通过嵌入堆叠网络模块增加网络的宽度和深度，实现网络模块化的结构，融合不同深度的堆叠模块来获取不同大小和拼接不同尺度特征，能够大大降低检测成本，针对目前大量农作物受害的现状，其可以缩短病虫害的发现监测时间，提高病虫害防治的效率，使其在低爆发范围情况下迅速遏制，有效地促进农作物的增产增收。
[0033]
植物病虫害的图像采集模块需要使用专业摄像设备的图像传感器，所收集的农作物病虫害图像信息通过csi摄像头的传输到嵌入式微处理器中，图像处理由树莓派微型计算机执行算法。
[0034]
在处理过程中树莓派微型计算机中数据存储器存储农作物病虫害图像识别处理过程中的各种数据，树莓派微型计算机迁移sd卡中的农作物病虫害图像识别基本程序到树莓派微型计算机中的程序存储器进行图像识别，触摸屏显示农作物病虫害图像识别过程中各种处理结果，整个系统有机地结合起来，完成了农作物病虫害图像识别的系统过程。
[0035]
在深度学习模型训练过程中，对要识别的每种病虫害数据，使用70％的图片作为训练集，20％的图片作为测试集，剩余的作为验证集，首先读取训练集的图像数据，并进行图像增强，包括图片翻转、旋转、颜色变化、对比度增强、噪声扰动等；然后根据之前设置好的模型参数进行训练，神经网络模型收敛稳定后，进行模型性能测试；在多次调整相应的参数后，从而实现对前端提交图像的智能识别。
[0036]
根据植物的生长阶段不同，其病虫害的诊断方式也不同
[0037]
发芽期诊断
[0038]
根据农作物名称、子叶状况、叶色状况、叶缘状况、幼苗状况、胚根状况，智能地从病虫害植物图像库中匹配出最优的诊断结果，并计算出其可信度。
[0039]
幼苗期诊断
[0040]
根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况，智能地从病虫害植物图像库中匹配出最优的诊断结果，并计算出其可信度。
[0041]
成株期诊断
[0042]
根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况，智能地从病虫害植物图像库中匹配出最优的诊断结果，并计算出其可信度。
[0043]
花蕾期诊断
[0044]
根据农作物名称、茎状况、叶柄状况、叶片状况、叶色状况、叶缘状况、叶脉状况、花状况，智能地从病虫害植物图像库中匹配出最优的诊断结果，并计算出其可信度。
[0045]
施肥营养诊断
[0046]
根据农作物名称、植株状况、叶状况、茎状况、花状况、果实状况、病变位置，智能地从病虫害植物图像库中匹配出最优的诊断结果，并计算出其可信度。
[0047]
植物专家平台，可将农业专家邀请至平台，对于农业人员无法确实的病虫害的图像上传，依靠植物专家进行判断，并给出处理方法。
[0048]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0049]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：
1.一种植物病虫害图像识别系统，其特征在于：搭建运动行架，通过运动行架使得图像采集模块进行移动图像拍摄，并通过将图像数据上传至病虫害图像识别模块中，通过建立病虫害植物图像库，通过病虫害图像识别模块中利用ai技术学习病虫害植物图像库，通过病虫害图像识别模块对图像采集模块所采集的图像进行识别判断，通过病虫害图像识别模块将同一植物相近日期的所采集的图像进行颜色和状态类比，建立植物专家平台，将病虫害图像识别模块无法识别判断图像上传至植物专家平台。2.根据权利要求1所述的一种植物病虫害图像识别系统，其特征在于：根据植物园的规模搭建运动行架，使得图像采集模块在运动行架中移动，通过图像采集模块通过运动行架对植物园内植物多角度多方位的拍摄。3.根据权利要求1所述的一种植物病虫害图像识别系统，其特征在于：将植物的生长划分成不同的生长阶段，如休眠期、生长期、花期、结果期等，并在每个生长阶段设置特定的病虫环境特点，按照病虫种类进行分类，使得算法提取虫害的形状特征，对病虫识别算法起到数据支撑的作用，并将其存入病虫害植物图像库，并将地区性病虫害图像存入病虫害植物图像库。4.根据权利要求1所述的一种植物病虫害图像识别系统，其特征在于：病虫害图像识别模块中通过ai技术利用算法识别上传的图像，通过同角度同方位图像类比的方式，将不同时期相同位置的图像进行颜色对比，再将出现明显颜色差异的图像通过病虫害图像识别模块进行识别，对植物的生长时期的根、茎、花、果的生长状况，分析植株的长势情况。5.根据权利要求4所述的一种植物病虫害图像识别系统，其特征在于：搭建处理模块，通过病虫害图像识别模块完成虫害识别后，通过处理模块根据消除虫害的手册完整处理方案，并及时提醒人员实施。6.根据权利要求1所述的一种植物病虫害图像识别系统，其特征在于：将病虫害图像识别模块中颜色差异较大却无法识别具体病虫害的图像，将上述图像上传至植物专家平台。

技术总结
本发明涉及图像识别技术领域，公开了一种植物病虫害图像识别系统，搭建运动行架，通过运动行架使得图像采集模块进行移动图像拍摄，并通过将图像数据上传至病虫害图像识别模块中，通过建立病虫害植物图像库，通过病虫害图像识别模块中利用AI技术学习病虫害植物图像库，通过病虫害图像识别模块对图像采集模块所采集的图像进行识别判断，建立植物专家平台。本发明通过启动运动行架带动图像采集模块对植物进行多角度和方位的图像拍摄，可以减少专业人员人员往返路程，同时也可以降低人力减少时间，可在远程完成对植物的观察和判断，有利于大大提高植物种植和生长的专业性，有利于对植物病虫害进行提前规避，有利于促进农业的专业性发展。业性发展。业性发展。


技术研发人员：胡秋霞 田杰
受保护的技术使用者：西安航空学院
技术研发日：2023.05.04
技术公布日：2023/9/14