申请/专利权人：中国农业科学院农业基因组研究所;上海海关动植物与食品检验检疫技术中心;中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心)

申请日：2023-12-05

公开（公告）日：2024-04-12

公开（公告）号：CN117877021A

主分类号：G06V20/68

分类号：G06V20/68;G06V10/25;G06V10/58;G06V10/72;G06V10/771;G06V10/77;G06V10/774;G06V10/764;G06V10/762;G06V10/82;G06N3/0475

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及一种基于高光谱图像的柑橘与苹果的疫病识别方法，本发明申请所提供的识别算法为在ResNet50的基础上进行改造，在ResNet50的第一次卷积后加入SEblock模块，在ResNet50的最后一次卷积后加入SEblock模块；本实施例所提供的基于高光谱图像的柑橘与苹果的疫病识别方法，利用光谱图像对柑橘丁香疫霉、冬生疫霉与苹果牛眼果腐病菌、苹果球壳孢腐烂病、美澳型仁果褐腐病菌这五类疫病的识别。

主权项：1.一种基于高光谱图像的柑橘与苹果的疫病识别方法，其特征在于：包括以下步骤：步骤1、采集柑橘丁香疫霉、冬生疫霉与苹果牛眼果腐病菌、苹果球壳孢腐烂病、美澳型仁果褐腐病菌这五类疫病的高光谱图像，记为原始样本图像：步骤2、对获取的原始样本图像进行黑白校正；黑白校正基于以下公式完成： 其中，Rci为校准图像，Sampleci为原始图像，Whiteci为标准白板参考，darkci为黑板参考；步骤3、对校正后的高光谱图像提取感兴趣区域，并提取感兴趣区域的平均光谱，每个病害标记相同数量的多个感兴趣区域，进而获取多条平均光谱数据样本；步骤4、将平均光谱数据记为X1；步骤5、对X1进行光谱数据预处理，消除外部噪声和系统噪声的干扰；使用的预处理方法为Savitzky-Golay卷积平滑，即SG平滑，SG平滑的公式为： 其中，yi为在点i过滤掉的值；yi+j为在点i未过滤掉的值；j指定该点左平滑数据点数；m为指定该点右侧平滑的数据点数；cj为卷积参数；SG平滑选择的窗口个数为5个；步骤6、对经过预处理后的光谱数据，利用连续投影算法提取特征波长，使用连续投影算法提取特征波长，选取前十个特征波长集合；特征波长选择通过以下过程实现：记初始迭代向量为xk0，需要提取的特征个数为N，光谱矩阵为J列，1、任选光谱矩阵的1列第j列，把数据集的第j列赋值给xj，记为xk0，2、将未选入的列向量位置的集合记为s 3、分别计算xj对剩余列向量的投影， 4、提取最大投影向量的光谱波长kn＝argmax||Pxj||,j∈s，5、令xj＝Px,j∈s，6、n＝n+1，如果n＜N，返回公式1循环计算；7、确定选择波段序列{kn；n＝0,...,N-1}；将选取的特征波长数据记为X2；步骤7、根据X2数据，对原始样本图像降维，获得降维后图像数据记为X3；步骤8、使用KMeans算法去除X3的背景，获得去除后图像数据记为X4；步骤9、对X4图像进行裁剪处理，获得水果样本的正方形图像记为X5，每类图像数据的标签为Y1；步骤10、将所得的数据X5中，每种类型样本随机选择710的光谱图像数据作为训练集，并将训练集记为S1；其余的光谱图像数据作为测试集，记为S2；同理，Y1也对应划分为相应的训练集YS1和测试集YS2；步骤11、将作为训练集的数据S1和对应的标签YS1输入SE-ResNet50中，建立病害种类识别模型并训练；步骤12、将作为测试集的光谱数据S2和对应的标签YS2输入步骤11建立的识别模型中，评估模型的识别性能；步骤13、若模型识别准确率大于90％，则保存模型；若模型识别准确率小于90％，则返回步骤11重新训练；步骤14、将疑似感染疫病的柑橘和苹果高光谱原始图像经过预处理后，通过获得的波段集合X2对原始图像进行降维，经过步骤8与步骤9将处理后获得的图像输入到步骤13保存好的识别模型，输出疫病类别。

全文数据：

权利要求：

百度查询： 中国农业科学院农业基因组研究所;上海海关动植物与食品检验检疫技术中心;中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心) 一种基于高光谱图像的柑橘与苹果的疫病识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD