农业虫害识别方法、装置、设备及存储介质与流程

本发明涉及智慧农业，尤其涉及到一种农业虫害识别方法、装置、设备及存储介质。

背景技术：

1、农业虫害严重影响作物的生长和产量，对此，传统的农业虫害监测方法通常依赖于人工巡视，其效率低、成本高，容易出现漏检等问题。随着计算机视觉和深度学习技术的发展，自动化农业虫害检测成为解决这一问题的有力手段。针对多种农作物虫害图像，在自然环境下因虫害种类繁多，小目标特征相似的技术问题，导致虫情检测困难，识别准确率低。目前基于深度学习的虫害研究涉及各种作物虫害，将目标检测技术应用于农作物虫害已成为该领域的主要研究方向。

2、然而，现有基于深度学习的农业虫害识别方案存在着如下缺陷：

3、（1）训练样本采集：深度学习通过大量、准确的农业虫害样本图像进行模型训练，在面对不同类型的农业虫害识别时，需要准备不同农作物针对不同农业虫害的大量图像，以提供足够多的特征供模型学习，目前，训练样本的采集存在着费时、费力、成本高、效率低等特点。

4、（2）样本差异影响：虽然采用共享虫害样本图像的方案能够在一定程度上解决训练样数量的问题，但由于共享的虫害样本图像通常是源于不同地区、不同环境的农作物虫害图像，而不同地区、不同环境的农作物通常受病原体差异和气候影响具有不同的虫害表现（例如形状、大小、分布上的区别），同时，由于不同地区的农作物具有不同的生长进度，导致不同阶段的农作物在虫害表征上具有差异（例如玉米在幼苗期的病斑颜色更加鲜明，在生长期的病斑颜色更加暗淡），由此，在使用共享虫害样本图像进行深度学习训练时，可能会存在训练样本图像不准确，引入额外的特征进行学习训练，使得最终获得识别模型的准确率不够理想。

5、（3）虫害程度评估：通常农业虫害评估的目的是为了判断当前农作物所患的虫害类型以及虫害严重程度，用以指导农业生产过程中选择虫害防治手段（例如修剪、喷药、引入虫害天敌，等等），而不同地区、不同环境由于虫害表征具有差异，可能会存在着虫害严重程度评估不准确的问题出现，进而影响农业生产的虫害防治指导。

6、因此，如何提高农业虫害的训练样本采集效率、模型识别精度以及虫害程度评估准确性，是一个亟需解决的技术问题。

技术实现思路

1、本发明的主要目的在于提供一种农业虫害识别方法、装置、设备及存储介质，旨在解决目前农业虫害识别存在的训练样本采集效率不高、虫害识别精度不够理想以及虫害程度评估准确性低的技术问题。

2、为实现上述目的，本发明提供一种农业虫害识别方法，包括以下步骤：

3、获取若干个监测区域中采集的农作物虫害图像和虫害表征关联信息；其中，所述虫害表征关联信息包括农作物种植位置和农作物种植环境参数；

4、基于若干张农作物虫害图像、每张农作物虫害图像的虫害程度标注结果和虫害表征关联信息，构建农业虫害样本数据库；

5、在接收到目标农业虫害识别请求时，提取所述目标农业虫害识别请求中的待识别农作物图像和目标虫害表征关联信息，利用所述目标虫害表征关联信息，在所述农业虫害样本数据库中确定目标农业虫害样本；

6、利用所述目标农业虫害样本对构建的初始农业虫害识别模型进行训练，并根据目标虫害表征关联信息对训练的中间农业虫害识别模型进行验证与修正，获得训练完成的最终农业虫害识别模型；

7、将所述待识别农作物图像输入训练完成的最终农业虫害识别模型，获得农作物虫害识别结果，基于所述农业虫害样本数据库中农作物虫害图像的虫害程度标注结果，对所述农作物虫害识别结果进行程度评价。

8、可选的，获取若干个监测区域中采集的农作物虫害图像和虫害表征关联信息步骤，具体包括：

9、获取设置每个监测区域中的若干个虫情灯采集的农作物虫害图像和设置于每个监测区域的农作物种植条件监测组件采集的虫害表征关联信息；

10、其中，所述农作物种植条件监测组件包括用于采集对应监测区域的农作物种植位置的农作物种植位置感知件和用于采集对应监测区域的农作物种植环境参数的农作物种植环境感知件；

11、将每个监测区域采集的虫害表征关联信息添加为所述监测区域采集的农作物虫害图像的附加信息。

12、可选的，基于若干张农作物虫害图像、每张农作物虫害图像的虫害程度标注结果和虫害表征关联信息，构建农业虫害样本数据库步骤，具体包括：

13、将每个监测区域采集的农作物虫害图像发送至该监测区域对应的农业种植管理终端，并根据所述农业种植管理终端反馈的虫害程度评价，对每张农作物虫害图像进行虫害程度标注；

14、建立农作物虫害图像、所述农作物虫害图像附加的虫害表征关联信息和虫害程度标注结果之间的虫害信息关联关系，并根据每个监测区域的虫害信息关联关系，构建农业虫害样本数据库。

15、可选的，所述目标虫害表征关联信息包括：待识别农作物图像对应的目标农作物种植位置；利用所述目标虫害表征关联信息，在所述农业虫害样本数据库中确定目标农业虫害样本步骤，具体包括：

16、提取所述目标虫害表征关联信息中待识别农作物图像对应的目标农作物种植位置，基于所述目标农作物种植位置，确定农业虫害样本作用范围；

17、其中，所述农业虫害样本作用范围被配置为农作物种植位置与目标农作物种植位置的距离在预设距离之内的全部监测区域构成的区域范围；

18、在所述农业虫害样本数据库中选取属于该农业虫害样本作用范围的若干张目标农作物虫害图像，将所述若干张目标农作物虫害图像构成的图像集作为所述目标农业虫害识别请求的目标农业虫害样本。

19、可选的，所述目标虫害表征关联信息包括：待识别农作物图像对应的目标农作物种植环境参数；利用所述目标农业虫害样本对构建的初始农业虫害识别模型进行训练，并根据目标虫害表征关联信息对训练的中间农业虫害识别模型进行验证与修正，获得训练完成的最终农业虫害识别模型步骤，具体包括：

20、将目标农业虫害样本中的若干张目标农作物虫害图像按预设比例随机划分为农业虫害训练样本和农业虫害验证样本；

21、利用所述农业虫害训练样本对构建的初始农业虫害识别模型进行训练，并利用所述农业虫害验证样本对训练完成的中间农业虫害识别模型验证准确率，判断所述验证准确率是否满足预设指标；

22、若是，将所述中间农业虫害识别模型作为最终农业虫害识别模型；若否，根据目标农作物种植环境参数和每个监测区域的农作物种植环境参数，执行农业虫害样本作用范围的优化动作，并利用优化后的农业虫害样本作用范围返回执行确定目标农业虫害样本步骤和模型训练与验证步骤，直至验证准确率满足预设指标，获得修正后的农业虫害识别模型；

23、将所述修正后的农业虫害识别模型作为最终农业虫害识别模型；

24、其中，执行农业虫害样本作用范围的优化动作被配置为在当前的农业虫害样本作用范围的基础上加上目标监测区域，获得优化后的农业虫害样本作用范围，所述目标监测区域被配置为农作物种植环境参数与目标农作物种植环境参数在农作物种植持续时间内的若干个采样点的数值方差在预设数值范围内的每个监测区域；

25、其中，在执行每次的农业虫害样本作用范围的优化动作时，将本次优化动作的预设数值范围调整为上次的l倍，其中，l取大于1的常数。

26、可选的，利用所述目标农业虫害样本对构建的初始农业虫害识别模型进行训练步骤之前，还包括：

27、构建基于yolov5算法架构的原始农业虫害识别模型；其中，所述原始农业虫害识别模型包括yolov5算法架构中的输入端、骨干网络和头部网络；

28、对所述原始农业虫害识别模型进行改进，获得初始农业虫害识别模型；其中，对所述原始农业虫害识别模型进行改进包括：

29、第一改进动作：在骨干网络中的c3模块和sppf模块之间加入ca注意力模块；其中，所述c3模块被配置为由三个conv模块和一个bottleneck模块构成的卷积神经网络模块，所述sppf模块被配置为快速空间金字塔池化模块，所述ca注意力模块被配置为将输入的特征向量分解为两个一维特征编码，分别沿2个空间方向聚合特征，一个空间方向捕获远程依赖关系，另一个空间方向保留精确位置信息的注意力模块；

30、第二改进动作：将头部网络中的c3模块替换为c2f模块；其中，所述c2f模块被配置为由一个conv模块、一个bn模块和一个silu模块构成的卷积神经网络模块。

31、可选的，基于所述农业虫害样本数据库中农作物虫害图像的虫害程度标注结果，对所述农作物虫害识别结果进行程度评价步骤，具体包括：

32、提取所述农业虫害样本数据库中目标农业虫害样本的农作物虫害图像和农作物虫害图像的虫害程度标注结果；

33、计算目标农业虫害样本中的每张农作物虫害图像的病斑表现特征值，基于所述病斑表现特征值和虫害程度标注结果，拟合获得虫害程度等级关于病斑表现特征值的变化曲线；其中，所述病斑表现特征值包括农作物虫害图像的病斑面积或病斑颜色值；

34、根据所述农作物虫害识别结果中待识别农作物图像的实际病斑表现特征值，利用所述虫害程度等级关于病斑表现特征值的变化曲线，确定所述待识别农作物图像的虫害程度等级。

35、此外，为了实现上述目的，本发明还提供了一种农业虫害识别装置，包括：

36、获取模块，用于获取若干个监测区域中采集的农作物虫害图像和虫害表征关联信息；其中，所述虫害表征关联信息包括农作物种植位置和农作物种植环境参数；

37、构建模块，用于基于若干张农作物虫害图像、每张农作物虫害图像的虫害程度标注结果和虫害表征关联信息，构建农业虫害样本数据库；

38、提取模块，用于在接收到目标农业虫害识别请求时，提取所述目标农业虫害识别请求中的待识别农作物图像和目标虫害表征关联信息，利用所述目标虫害表征关联信息，在所述农业虫害样本数据库中确定目标农业虫害样本；

39、训练模块，用于利用所述目标农业虫害样本对构建的初始农业虫害识别模型进行训练，并根据目标虫害表征关联信息对训练的中间农业虫害识别模型进行验证与修正，获得训练完成的最终农业虫害识别模型；

40、识别模块，用于将所述待识别农作物图像输入训练完成的最终农业虫害识别模型，获得农作物虫害识别结果，基于所述农业虫害样本数据库中农作物虫害图像的虫害程度标注结果，对农作物虫害进行程度评价。

41、此外，为了实现上述目的，本发明还提供了一种农业虫害识别设备，所述农业虫害识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的农业虫害识别程序，所述农业虫害识别程序被所述处理器执行时实现如上所述的农业虫害识别方法的步骤。

42、此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有农业虫害识别程序，所述农业虫害识别程序被处理器执行时实现上述的农业虫害识别方法的步骤。

43、本发明的有益效果在于：提出了一种农业虫害识别方法、装置、设备及存储介质，通过获取若干个监测区域采集的农作物虫害图像构建农业虫害样本数据库，在进行农业虫害识别模型训练时，基于虫害表征关联信息在农业虫害样本数据库中选取合适的目标农业虫害样本，并通过对农业虫害识别模型进行不断的验证与修正，最终获得适配当前地区、当前环境的农业虫害识别模型，能够避免外部环境导致的训练样本差异对农业虫害识别精度造成的影响，同时，还能够提供地区、环境差异化的虫害程度评估方案，解决了目前农业虫害识别存在的训练样本采集效率不高、虫害识别精度不够理想以及虫害程度评估准确性低的技术问题。