一种棉花苗蚜危害快速识别方法

本发明涉及棉蚜识别，具体涉及一种棉花苗蚜危害快速识别方法。

背景技术：

1、棉花是我国重要的经济作物，主要产区在新疆。2021年棉花种植面积2506.1千公顷，占我国植棉面积的82.8％；单位面积产量2046.4公斤/公顷；总产量为512.9万吨，占我国总产量的89.5％。棉蚜是棉花生长的重要害虫之一,棉蚜的发生导致棉花减产约15％～30％，严重时可绝收；

2、棉蚜是棉花生产中的重要害虫，目前调查仍以人工方式为主，该方法主要通过人工进行现场检查、测量、统计和辨识，费时费力、效率低下，而且主观性强、误判率高、实时性差。为快速准确识别棉蚜危害及其等级，迫切需要探究实时无损的棉蚜危害识别方法；

技术实现思路

1、本发明提出一种棉花苗蚜危害快速识别方法，以解决现有的技术问题。

2、本发明的技术方案是这样实现的：一种棉花苗蚜危害快速识别方法；其特征在于：所述方法包括以下步骤：

3、步骤一、数据采集，在晴天且光照强度较弱时采集棉花图像数据，通过智能手机快速获取田间环境遭受棉蚜侵害的图像；

4、步骤二、图像处理，将步骤一中采集的原始图像输入模型进行裁剪，去掉图像中土壤及与棉花图像无关的冗余信息后，调整图像格式大小获取处理后的棉花图像；

5、步骤三、数据集构建，依据棉蚜危害分级标准选择labelimg图像标注工具对处理后的棉花图像进行标注，构建4类数据集即：0级、1级、2级和3级；

6、步骤四、模型构建，使用步骤三标注后的同一个数据集将图像进行统一设定后构建faster r-cnn、yolov5以及ssd三种目标检测模型；

7、步骤五、对比与分析，用测试集对三种模型进行测试评估后；对三种模型的测试结果进行对比与分析，选择最优的棉蚜危害程度识别模型实现棉蚜危害等级的快速识别。

8、所述方法步骤二还包括将棉花图像裁剪至3000x3000，然后将图像分辨率统一调整到1024x1024；

9、步骤三所述的标注采用矩形框对棉花图像进行标注，按分级标准将棉花植株中心区域的叶片根据其不同形态特征标注为0级，1级，2级和3级，生成注释文件以pascal voc格式保存为xml文件。

10、步骤四还包括，使用同一个数据集，在训练前统一将图像分辨率设为512x512，学习率设为0.0005，迭代轮数设为300轮，每次迭代的batch size设为16，保存训练模型，然后用测试集对模型进行测试评估，得到的三个模型测试的平均精度ap、平均精度均值map以及fps。

11、本发明通过采集棉蚜危害图像，构建棉蚜危害数据集，然后基于faster r-cnn、yolov5和ssd构建三类不同棉蚜危害识别模型并进行训练测试，在相同的图像分辨率、学习率、迭代轮数以及每次迭代的batch size下，yolov5模型map值最高，为95.7％。

12、本发明的有益效果在于提供了一种棉花苗蚜危害快速识别方法，通过对三种模型的测试结果进行对比与分析，选择最优的棉蚜危害程度识别模型，为棉蚜危害监测提供一种快捷、方便、低成本的监测方法。

技术特征：

1.一种棉花苗蚜危害快速识别方法；其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的一种棉花苗蚜危害快速识别方法，其特征在于：步骤二还包括将棉花图像裁剪至3000x3000，然后将图像分辨率统一调整到1024x1024。

3.根据权利要求1所述的一种棉花苗蚜危害快速识别方法，其特征在于：步骤三所述的标注采用矩形框对棉花图像进行标注，按分级标准将棉花植株中心区域的叶片根据其不同形态特征标注为0级，1级，2级和3级，生成注释文件以pascal voc格式保存为xml文件。

4.根据权利要求1所述的一种棉花苗蚜危害快速识别方法，其特征在于：步骤四还包括，使用同一个数据集，在训练前统一将图像分辨率设为512x512，学习率设为0.0005，迭代轮数设为300轮，每次迭代的batch size设为16，保存训练模型，然后用测试集对模型进行测试评估，得到的三个模型测试的平均精度ap、平均精度均值map以及fps。

5.根据权利要求1所述的一种棉花苗蚜危害快速识别方法，其特征在于：所述的步骤五还包括对比与分析yolov5模型中的s与x 两种模型样式，在图像分辨率为1024x1024、640x640、512x512、256x256以及128x128时模型的性能表现。

技术总结
本发明公开了一种棉花苗蚜危害快速识别方法；通过使用智能手机快速获取田间环境遭受棉蚜侵害的图像，对数据进行标注，构建4类数据集：0级、1级、2级和3级，在此基础上构建基于Faster R‑CNN、YOLOv5和SSD三种不同的棉蚜危害识别模型，对三种模型的测试结果进行对比与分析，选择最优的棉蚜危害程度识别模型，为棉蚜危害监测提供一种快捷、方便、低成本的监测方法。

技术研发人员：乔红波,施静,许鑫,孙彤,刘亮亮,陈永钦,何强
受保护的技术使用者：河南农业大学
技术研发日：
技术公布日：2024/1/14