一种马铃薯叶片病害识别方法及系统

本申请涉及图形识别，特别涉及一种马铃薯叶片病害识别方法及系统。

背景技术：

1、马铃薯是全球第四大粮食作物，具有很高的经济和社会价值，它不仅是营养丰富的食品来源，还在生物质能源、畜禽饲料、工业原料等方面具有广泛的应用前景。

2、尽管马铃薯具有诸多优势，但其生长过程中很容易受到病害的侵袭，尤其是早疫病和晚疫病，这两种病害对马铃薯的生长、产量和品质产生了严重影响。随着马铃薯种植面积的不断扩大，早疫病和晚疫病的发病面积和危害程度日益加剧。值得关注的是，这两种病害在早期阶段主要表现在叶片上，因此对马铃薯叶片病害进行早期发现和准确识别，有助于实施及时有效的防治措施，降低病害危害，提高马铃薯产量和品质。

3、由于马铃薯叶片病害症状难以区分，工作人员经验不一，采用人工识别病害的方法准确率不稳定，且时间人力资源耗费大，效率并不高，此外，也存在基于生物传感器和高光谱的识别方法。但存在着技术成本高，还有对使用人员素质要求较高等缺点，大规模推广使用难度大。相比之下，基于图像识别算法的马铃薯叶片病害识别更加经济和高效。

4、机器学习算法在计算机视觉领域发展迅速，被广泛应用于模式识别领域和解决工程应用的复杂问题。传统的机器学习算法主要包括随机森林、人工神经网络、贝叶斯学习、决策树、k近邻算法等，基于机器学习算法和数字图像技术，大量国内外学者致力于研究农作物识别和诊断方案，并且将这些研究投入到实际应用中。然而上述算法的缺陷在于需要人为设计并提取可见病害的特征。此外，传统的机器学习算法的局限性还表现在其图像预处理复杂，难以实现自动的识别病害。

技术实现思路

1、本申请实施例提供了一种马铃薯叶片病害识别方法及系统，用以解决现有技术中机器学习算法在农作物病害识别中存在的问题。

2、一方面，本申请实施例提供了一种马铃薯叶片病害识别方法，包括：

3、建立识别模型，并将识别模型部署在服务器上，识别模型采用resnet152模型；

4、获取待识别马铃薯叶片图像；

5、通过网络将待识别马铃薯叶片图像上传至服务器；

6、利用识别模型对待识别马铃薯叶片图像进行识别，获得病害类型；

7、查询与病害类型对应的防治建议；

8、展示病害类型和防治建议。

9、另一方面，本申请实施例还提供了一种马铃薯叶片病害识别系统，包括：

10、模型建立模块，用于建立识别模型，并将识别模型部署在服务器上，识别模型采用resnet152模型；

11、图像获取模块，用于获取待识别马铃薯叶片图像；

12、图像上传模块，用于通过网络将待识别马铃薯叶片图像上传至服务器；

13、病害识别模块，用于利用识别模型对待识别马铃薯叶片图像进行识别，获得病害类型；

14、建议查询模块，用于查询与病害类型对应的防治建议；

15、结果展示模块，用于展示病害类型和防治建议。

16、本申请中的一种马铃薯叶片病害识别方法及系统，具有以下优点：

17、将深度学习技术应用到了马铃薯叶片病害的快速识别上，利用resnet152模型实现了可视化的马铃薯叶片病害识别操作界面，农户可以拍摄具体的马铃薯病害叶片，通过本申请平台的可视化界面进行在线识别并提供准确的防治建议。

技术特征：

1.一种马铃薯叶片病害识别方法，其特征在于，包括：

2.根据权利要求1所述的一种马铃薯叶片病害识别方法，其特征在于，在展示所述病害类型时，还展示所述病害类型的可信度。

3.根据权利要求1所述的一种马铃薯叶片病害识别方法，其特征在于，利用可视化用户界面上传所述待识别马铃薯叶片图像并展示所述病害类型和防治建议，所述可视化用户界面基于pyqt5开发。

4.根据权利要求1所述的一种马铃薯叶片病害识别方法，其特征在于，在建立所述识别模型后，还对所述识别模型进行训练、测试和验证。

5.根据权利要求4所述的一种马铃薯叶片病害识别方法，其特征在于，在训练所述识别模型时，首先建立训练数据集，然后将所述训练数据集输入所述识别模型，利用反向传播算法对所述识别模型进行训练。

6.根据权利要求5所述的一种马铃薯叶片病害识别方法，其特征在于，在建立所述训练数据集时，首先获取训练图像，然后对所述训练图像进行增强处理，形成所述训练数据集。

7.根据权利要求6所述的一种马铃薯叶片病害识别方法，其特征在于，在对所述训练图像进行增强处理后，还对增强处理后的所述训练图像进行归一化处理。

8.一种马铃薯叶片病害识别系统，其特征在于，包括：

技术总结
本申请公开了一种马铃薯叶片病害识别方法及系统，涉及图形识别技术领域。其中方法包括：建立识别模型，并将识别模型部署在服务器上，识别模型采用ResNet152模型；获取待识别马铃薯叶片图像；通过网络将待识别马铃薯叶片图像上传至服务器；利用识别模型对待识别马铃薯叶片图像进行识别，获得病害类型；查询与病害类型对应的防治建议；展示病害类型和防治建议。本申请将深度学习技术应用到了马铃薯叶片病害的快速识别上，利用ResNet152模型实现了可视化的马铃薯叶片病害识别操作界面，农户可以拍摄具体的马铃薯病害叶片，通过本申请的可视化界面进行在线识别并提供准确的防治建议。

技术研发人员：李茵,张宏鸣,黄铝文,吕扬
受保护的技术使用者：西北农林科技大学
技术研发日：
技术公布日：2024/4/22