(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210935162.9 (22)申请日 2022.08.05 (71)申请人 成都明途科技有限公司 地址 610000 四川省成 都市天府新区湖畔 路北段366号1栋3楼1号 (72)发明人 韩威俊　肖雪松　严骊　龙胜海　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 钟扬飞 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 农作物病害识别方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供一种农作物病害识别方法、 装 置、 电子设备及存储介质。 该方法包括： 获取待测 农作物的叶片图样； 通过预先训练好的识别模型 对所述叶片图样进行处理， 得到所述待测农作物 的病害识别结果， 所述病害识别结果包括病害种 类和病害程度。 通过该方式， 能准确的识别出待 测农作物的病害， 同时还能识别出待测农作物的 病害种类和病害程度， 从而能通过该病害种类和 病害程度对农作物的病害进行准确判断， 进而能 将该病害种类和病害程度作为农作物的精准施 药提供有力的依据。 权利要求书2页 说明书13页 附图2页 CN 114998693 A 2022.09.02 CN 114998693 A 1.一种农作物病害识别方法， 其特 征在于， 包括： 获取待测农作物的叶片图样； 通过预先训练好的识别模型对所述叶片图样进行处理， 得到所述待测农作物的病 害识 别结果， 所述病害识别结果包括病害种类和病害程度。 2.根据权利要求1所述的方法， 其特征在于， 所述识别模型包括依次连接的输入层、 处 理层和输出层， 所述处理层 包括第一神经网络、 第二神经网络和融合模块， 所述第一神经网 络和所述第二神经网络 分别与所述输入层和所述融合模块连接， 所述融合模块与所述输出 层连接； 所述 通过预先训练好的识别模型对所述叶片图样进行处 理， 包括： 通过所述第一神经网络对所述叶片图样进行处 理， 得到所述病害种类； 通过所述第二神经网络对所述叶片图样进行处 理， 得到所述病害程度； 通过所述融合模块对该病害种类和该病害程度进行融合， 得到所述病害识别结果， 并 通过所述融合模块将该病害识别结果发送至所述输出层。 3.根据权利要求2所述的方法， 其特征在于， 所述第 一神经网络包括依次连接的多层卷 积层、 自适应平均池化层、 特征拼接层和全连接层， 通过所述第一神经网络对所述叶片图样 进行处理， 得到所述病害种类， 包括： 通过所述多层卷积层和所述自适应平均池化层， 从所述叶片图样中提取多维特征， 其 中， 所述多层卷积层中的倒数第二层卷积层用于对前一层卷积层输出的特征进行标准化处 理； 通过所述特征拼接层对所述多维特 征进行处 理， 得到整体特 征； 通过所述全连接层对所述整体特 征进行处 理， 得到所述病害种类。 4.根据权利要求3所述的方法， 其特征在于， 所述第 一神经网络还包括预设的病害种类 标号与农作 物病害名称对应关系的第一映射表， 所述通过所述全连接层 对所述整体特征进 行处理， 得到所述病害种类， 包括： 通过所述全连接层对所述整体特 征进行处 理， 得到所述病害种类标号； 根据所述病 害种类标号在所述第 一映射表中查找与之对应的农作物病 害名称， 该农作 物病害名称为所述病害种类。 5.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： S201： 将各农作物的叶片图样输入所述第二神经网络， 得到所述第二神经网络输出的 分类结果的概率分布； 其中， 所述各农作物的叶片图样为用于对所述第二神经网络进行训 练的第二样本； S202： 根据所述概率分布和该叶片图样的第二标签的概率分布， 计算损失值， 并根据所 述损失值和预设的Adam优化器调整所述第二神经网络的各参数值； 重复步骤S201 ‑S202， 直 至所述损失值处于预设范围或者满足预设迭代次数， 获得最 终的各参数值， 其中， 在每次输 入该叶片图样进行训练时， 随机删除所述第二神经网络的部分神经元， 所述第二标签为所 述各农作 物的叶片图样对应的农作 物的病害程度， 且所述第二标签和所述第二样本为对所 述第二神经网络进行训练的第二训练集。 6.根据权利要求2所述的方法， 其特征在于， 所述第 二神经网络包括依次连接的多层卷 积层、 多层 池化层、 多层批量归一化层、 全连接层和Softmax层， 所述通过第二神经网络对 所 述叶片图样进行处 理， 得到所述病害程度， 包括：权　利　要　求　书 1/2 页 2 CN 114998693 A 2通过所述多层卷积层和所述多层池化层， 从所述叶片图样中提取多维特 征； 通过所述多层批量归一化层将所述第二神经网络中任意神经元的输入值分布变换为 平均值为0和方差为1的标准 正态分布； 通过所述全连接层对所述多维特 征进行处 理， 得到程度分类结果； 通过所述Softmax层对所述 程度分类结果进行处 理， 得到所述病害程度。 7.根据权利要求6所述的方法， 其特征在于， 所述第 二神经网络还包括预设的病害程度 数值区间与农作物病害程度对应关系的第二映射表， 所述通过所述Softmax层对所述程度 分类结果进行处 理， 得到所述病害程度， 包括： 通过所述Softmax层对所述 程度分类结果进行处 理， 得到病害程度标号； 根据所述病 害程度标号在所述第 二映射表中查找与之对应的农作物病 害程度， 该农作 物病害程度为所述病害程度。 8.一种农作物病害识别装置， 其特 征在于， 包括： 获取模块， 用于获取待测农作物的叶片图样； 识别模块， 用于通过预先训练好的识别模型对所述叶片图样进行处理， 得到所述待测 农作物的病害识别结果， 所述病害识别结果包括病害种类和病害程度。 9.一种电子设备， 其特 征在于， 包括： 处 理器和存 储器， 所述处 理器和所述存 储器连接； 所述存储器用于存 储程序； 所述处理器用于运行存储在所述存储器中的程序， 执行如权利要求1 ‑7中任一项所述 的方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序 在被计算机运行时执 行如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114998693 A 3