一种基于深度学习的农作物病虫害识别方法

专利主权项内容

1.一种基于深度学习的农作物病虫害识别方法，其特征在于，包括：步骤一：采集目标区域农作物的图像数据，对图像数据进行预处理得到目标数据；以及，匹配获取目标数据对应的环境数据；其中，环境数据包括环境温度、环境湿度和采集时刻；步骤二：基于图像历史数据以及对应的环境数据生成标准输入数据，基于图像历史数据对应的病虫害识别结果生成标准输出数据；通过标准输入数据和标准输出数据训练人工智能模型，得到病虫害识别模型；其中，人工智能模型包括卷积神经网络模型或者深度置信网络模型；步骤三：将目标数据以及对应的环境数据整合为病虫害识别序列，结合病虫害识别模型得到对应的病虫害识别结果，并标记为原始结果；步骤四：以环境温度和环境湿度为自变量，以图像历史数据对应的病虫害覆盖率与实际病虫害覆盖率的差值作为因变量，建立识别修正模型；基于识别修正模型对原始结果进行修正，得到目标结果；所述建立识别修正模型，包括：以环境温度和环境湿度为自变量，分别标记为T和H；以图像历史数据对应的病虫害覆盖率与实际病虫害覆盖率的差值作为因变量，并标记为修正系数ΔS；通过多项式拟合的方式对自变量和因变量进行拟合，建立识别修正模型；其中，识别修正模型具体为ΔS=α/(T×T)+β/(H×H)+θ，α和β为比例系数，θ为误差系数；所述基于识别修正模型对原始结果进行修正，包括：提取原始结果对应的环境温度和环境湿度，并导入到修正识别模型中，得到修正系数；将修正系数和原始结果进行叠加，得到目标结果。