摘 要：一種工業(yè)大麻生長期的病蟲害監(jiān)測方法及監(jiān)測系統(tǒng)，本發(fā)明涉及工業(yè)大麻生長期的病蟲害監(jiān)測方法及監(jiān)測系統(tǒng)。本發(fā)明的目的是為了解決現(xiàn)有方法對工業(yè)大麻生長周期中植株是否被侵蝕，以及因何種病蟲害侵蝕的判斷缺乏統(tǒng)一的標(biāo)準(zhǔn)、時效性低、準(zhǔn)確性差、工作效率低的問題。一種工業(yè)大麻生長期的病蟲害監(jiān)測方法具體過程為：一、采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；二、建立神經(jīng)網(wǎng)絡(luò)模型；三、得到最優(yōu)網(wǎng)絡(luò)模型；四、獲得待測工業(yè)大麻生長期圖像的類型。一種工業(yè)大麻生長期的病蟲害監(jiān)測系統(tǒng)用于執(zhí)行一種工業(yè)大麻生長期的病蟲害監(jiān)測方法。本發(fā)明用于工業(yè)大麻生長期的病蟲害監(jiān)測領(lǐng)域。
權(quán)利要求書
1.一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述方法具體過程為：
步驟一、采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；
所述工業(yè)大麻生長期圖像的類型包括被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像；
步驟二、建立神經(jīng)網(wǎng)絡(luò)模型；
步驟三、將步驟一的樣本數(shù)據(jù)集輸入到建立的神經(jīng)網(wǎng)絡(luò)模型中，采用Adam算法進行迭代優(yōu)化，得到最優(yōu)網(wǎng)絡(luò)模型；
步驟四、向最優(yōu)網(wǎng)絡(luò)模型中輸入待測工業(yè)大麻生長期圖像數(shù)據(jù)進行結(jié)果預(yù)測，獲得待測工業(yè)大麻生長期圖像的類型，類型分為被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像。
2.根據(jù)權(quán)利要求1所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述步驟一中采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；具體過程為：
給定高光譜圖像Z＝{X，Y}，其中X為圖像所有像元數(shù)據(jù)的集合，Y為所有像元對應(yīng)標(biāo)簽的集合；高光譜圖像Z＝{X，Y}輸入第一輸入層，對輸入圖像進行逐像素處理并填充，得到N個大小為S∈RH×W×L的立方體；
其中，H×W為是為立方體的空間大小，L為光譜波段的數(shù)量。
3.根據(jù)權(quán)利要求1或2所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述建立神經(jīng)網(wǎng)絡(luò)模型；具體過程為：
神經(jīng)網(wǎng)絡(luò)模型包括：輸入層、第一三維卷積層、第一批歸一化層BN層、第一ReLU激活層、空間注意力塊、光譜注意力塊、第二批歸一化層BN層、第二ReLU激活層、第一Dropout、第一全局最大池化層、FC全連接層、Softmax函數(shù)分類器和輸出層；
所述神經(jīng)網(wǎng)絡(luò)模型的連接關(guān)系為：
輸入層連接第一三維卷積層，第一三維卷積層連接第一批歸一化層BN層，第一批歸一化層BN層連接第一ReLU激活層，第一ReLU激活層分別連接空間注意力塊和光譜注意力塊；
將空間注意力塊的輸出和光譜注意力塊的輸出進行乘積操作，乘積后結(jié)果輸入第二批歸一化層BN層，第二批歸一化層BN層的輸出連接第二ReLU激活層，第二ReLU激活層的輸出連接第一Dropout，第一Dropout的輸出連接第一全局最大池化層，第一全局最大池化層的輸出連接FC全連接層、FC全連接層的輸出連接Softmax函數(shù)分類器，Softmax函數(shù)分類器的輸出結(jié)果經(jīng)輸出層輸出。
4.根據(jù)權(quán)利要求3所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述空間注意力塊包括第一全局平均池化層、第二全局平均池化層、第一單位卷積、第三批歸一化層BN層、第一Sigmoid激活函數(shù)層、第二Sigmoid激活函數(shù)層；
所述空間注意力塊的連接關(guān)系為：
第一ReLU激活層的輸出分別連接第一全局平均池化層和第二全局平均池化層，第一全局平均池化層的輸出和第二全局平均池化層的輸出級聯(lián)后輸入第一單位卷積，第一單位卷積連接第三批歸一化層BN層，第三批歸一化層BN層分別連接第一Sigmoid激活函數(shù)層和第二Sigmoid激活函數(shù)層。
5.根據(jù)權(quán)利要求4所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述光譜注意力塊的連接關(guān)系為：
第一ReLU激活層的輸出輸入光譜注意力塊，光譜注意力塊對第一ReLU激活層的輸出進行變形，變形后進行轉(zhuǎn)置得到X1；
光譜注意力塊SAB對第一ReLU激活層的輸出進行變形，得到X2；
光譜注意力塊SAB對第一ReLU激活層的輸出進行變形，得到X3；
對X1和X2進行矩陣乘法，矩陣乘法后輸入激活函數(shù)層f(·)，得到G；
G的輸出、X2的輸出和X3的輸出進行矩陣乘法，矩陣乘法后進行變形，將變形后輸出與第一ReLU激活層的輸出進行矩陣相加，輸出圖像；
輸出圖像輸入第三全局平均池化層，第三全局平均池化層的輸出輸入第一單位卷積，第三單位卷積的輸出輸入第四批歸一化層BN層，第四批歸一化層BN層的輸出輸入第三Sigmoid激活函數(shù)層。
6.根據(jù)權(quán)利要求5所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述第一Sigmoid激活函數(shù)層的輸出、第二Sigmoid激活函數(shù)層的輸出和第三Sigmoid激活函數(shù)層的輸出進行乘積操作，乘積后結(jié)果輸入第二批歸一化層BN層。
7.根據(jù)權(quán)利要求6所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述空間注意力塊的損失定義為：
其中和分別代表空間注意力塊輸出的分割結(jié)果在水平方向和垂直方向的梯度，∈是一個大于0的常數(shù)，N是輸入圖像中像素的總個數(shù)。
8.根據(jù)權(quán)利要求7所述一種工業(yè)大麻生長期的病蟲害監(jiān)測方法，其特征在于：所述第一全局最大池化連接FC全連接層、FC全連接層對第三全局平均池化的輸出結(jié)果進行分類得到S，S＝[s1，s2，...，si，...，sN]；
所述FC全連接層的分類數(shù)為N；
FC全連接層連接SoftMax函數(shù)分類器，SoftMax函數(shù)分類器的輸出結(jié)果是Q＝[q1，q2，...，qi，...，qN]；
輸出結(jié)果Q表示如下：
式中，si?1表示S中的第i?1個元素，sk表示S中的第k個元素。
9.基于權(quán)利要求1一種工業(yè)大麻生長期的病蟲害監(jiān)測方法的監(jiān)測系統(tǒng)，其特征在于：一種工業(yè)大麻生長期的病蟲害監(jiān)測系統(tǒng)用于執(zhí)行權(quán)利要求1至權(quán)利要求8中任意一項一種工業(yè)大麻生長期的病蟲害監(jiān)測方法。
技術(shù)領(lǐng)域
本發(fā)明涉及工業(yè)大麻生長期的病蟲害監(jiān)測方法及監(jiān)測系統(tǒng)。
背景技術(shù)
獲準(zhǔn)合法種植的工業(yè)大麻，均是低含毒量的品種，THC值均低于0.3％。這些工業(yè)大麻(THC<0.3％)被認(rèn)為不具備毒品利用價值，但依舊全身是寶，其應(yīng)用至少包括紡織、造紙、食品、醫(yī)藥、衛(wèi)生、日化、皮革、汽車、建筑、裝飾、包裝等領(lǐng)域。是經(jīng)典的生產(chǎn)資料。
由于該植物廣泛的適應(yīng)性及世界范圍的栽培和易生，通常認(rèn)為大麻無病害，實際上大麻可患100多種病害，工業(yè)大麻主要病害有大麻霜霉病、大麻褐斑病和大麻黑斑病，工業(yè)大麻主要蟲害有大麻款冬螟、小地老虎和黃翅大白蟻；
大麻霜霉病癥狀：主要危害大麻葉、莖，葉片上的病斑不規(guī)則形，呈褐色，沿葉脈延展，不會橫穿pt?脈。受害葉正面著生黃色斑點，背西病斑E有灰黑色霉層，莖部產(chǎn)生輪廓不明顯的病斑。發(fā)病后造成葉片萎縮，嚴(yán)重時脫落，生長受阻或枯死。
大麻褐斑病癥狀：此病在大麻產(chǎn)區(qū)普遍發(fā)生，主要發(fā)生于葉片上，初期產(chǎn)生暗褐色小點，以后擴大成近圓形不規(guī)則的小病斑，病斑中部淡褐色，周邊暗黃色，在葉上方看病斑為橄欖色。發(fā)病嚴(yán)重時，葉片萎蔫、卷縮脫落。后期病斑背面散發(fā)許多黑色粒狀物，在潮濕條件下為灰色霉層，即病原的分生孢子梗和分生孢子。病原菌為弱寄生，麻株在發(fā)育不良的情況下發(fā)病嚴(yán)重，蔭蔽低濕的麻地發(fā)病較多。由于每年6—7月昆明地區(qū)濕度較大，大麻正值快速生長期，葉褐斑病危害葉片，嚴(yán)重時造成早期落葉。
大麻黑斑病癥狀：該病常在大麻生長后期的植株上發(fā)生，葉面最初出現(xiàn)暗紫色小斑點，后擴展呈圓形或近圓形不規(guī)則病斑，有輪紋，中央褐色或灰白色，邊緣為黑褐色，后期病斑上密生許多灰褐色小叢霉，即分生孢子及分生孢子梗。
大麻款冬螟，屬鱗翅目，螟蛾科；危害情況：該蟲以幼蟲從葉柄、莖部鉆蛀產(chǎn)生蟲洞進行危害。根據(jù)調(diào)查最多的1株大麻莖桿內(nèi)有26只幼蟲，其余多為10余只，對莖桿蛀食產(chǎn)生大量的蟲洞，使大麻植株易折斷，營養(yǎng)運輸受阻。
小地老虎，屬鱗翅目，夜蛾科；危害情況：小地老虎主要以幼蟲危害，低齡階段在大麻嫩葉、嫩頭上取食，咬成凹斑、孔洞或缺刻。3齡后幼蟲潛入土表，咬斷根、地下莖或近地面嫩莖，使幼苗萎蔫死亡，造成缺苗斷壟。一只幼蟲可危害1株至數(shù)株大麻。
黃翅大白蟻，屬等翅目，白蟻科；危害情況：危害幼苗和成熟植株，咬食根部、韌皮部、莖基部，導(dǎo)致植株死亡，拔起植株，可看見受害根部有明顯蟲眼。
可見，工業(yè)大麻無論是遭遇病害還是蟲害，都會令工業(yè)大麻植株本身受損，想要判斷工業(yè)大麻植株是否被侵蝕，以及因何種病蟲害侵蝕，一般需要資深的農(nóng)業(yè)技術(shù)人員去現(xiàn)場查看，這樣雖然可以利用專家知識來獲知工業(yè)大麻植株是否被侵蝕，以及因何種病蟲害侵蝕，但如果每天對每個地塊區(qū)域都進行現(xiàn)場觀察則代價巨大，而且一個專家也不一定對多種病蟲害侵蝕都熟悉，對操作人員的專業(yè)技術(shù)要求高，加上諸多主觀因素，致使這種工作模式產(chǎn)生的結(jié)果缺乏統(tǒng)一的標(biāo)準(zhǔn)、時效性低、準(zhǔn)確性差、工作效率低，極大的限制了其在農(nóng)業(yè)生產(chǎn)中的推廣應(yīng)用，所以急需一種智能的判斷方法對工業(yè)大麻生長期是否被病蟲害侵蝕以及被何種病蟲害侵蝕進行判斷，進而采取正確的治療方法。
發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有方法對工業(yè)大麻生長周期中植株是否被侵蝕，以及因何種病蟲害侵蝕的判斷缺乏統(tǒng)一的標(biāo)準(zhǔn)、時效性低、準(zhǔn)確性差、工作效率低的問題，而提出一種工業(yè)大麻生長期的病蟲害監(jiān)測方法及監(jiān)測系統(tǒng)。
一種工業(yè)大麻生長期的病蟲害監(jiān)測方法具體過程為：
步驟一、采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；
所述工業(yè)大麻生長期圖像的類型包括被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像；
步驟二、建立神經(jīng)網(wǎng)絡(luò)模型；
步驟三、將步驟一的樣本數(shù)據(jù)集輸入到建立的神經(jīng)網(wǎng)絡(luò)模型中，采用Adam算法進行迭代優(yōu)化，得到最優(yōu)網(wǎng)絡(luò)模型；
步驟四、向最優(yōu)網(wǎng)絡(luò)模型中輸入待測工業(yè)大麻生長期圖像數(shù)據(jù)進行結(jié)果預(yù)測，獲得待測工業(yè)大麻生長期圖像的類型，類型分為被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像。
一種工業(yè)大麻生長期的病蟲害監(jiān)測系統(tǒng)用于執(zhí)行一種工業(yè)大麻生長期的病蟲害監(jiān)測方法。
本發(fā)明的有益效果為：
本發(fā)明提出了神經(jīng)網(wǎng)絡(luò)模型，其中包括空間注意力塊和光譜注意力塊，該種注意力機制通過探索空間的垂直方向與水平方向上的長距離關(guān)系和光譜維的波段重要性的差異，從而得到3D協(xié)同注意力圖。
本發(fā)明為了更好的提取重要的特征，且抑制無用的特征，采用具有強調(diào)波段有效性的光譜注意力塊，能夠提取具有強大判別能力的特征，具有較強的魯棒性。
本發(fā)明采用單位卷積既能滿足圖像特征圖尺寸不變，又能滿足非線性特性的增加，使網(wǎng)絡(luò)參數(shù)減小，深度更深，降低計算量，模型更容易訓(xùn)練和收斂，提高了訓(xùn)練精度；本發(fā)明采用的單位卷積接在三維卷積層的后面，配合激活函數(shù)，實現(xiàn)了networkinnetwork的結(jié)構(gòu)。
附圖說明
圖1為本發(fā)明流程圖。
具體實施方式
1.具體實施方式一：本實施方式一種工業(yè)大麻生長期的病蟲害監(jiān)測方法具體過程為：
步驟一、采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；
所述工業(yè)大麻生長期圖像的類型包括被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像；
步驟二、建立神經(jīng)網(wǎng)絡(luò)模型；
步驟三、將步驟一的樣本數(shù)據(jù)集輸入到建立的神經(jīng)網(wǎng)絡(luò)模型中，采用Adam算法進行迭代優(yōu)化，得到最優(yōu)網(wǎng)絡(luò)模型；
步驟四、向最優(yōu)網(wǎng)絡(luò)模型中輸入待測工業(yè)大麻生長期圖像數(shù)據(jù)進行結(jié)果預(yù)測，獲得待測工業(yè)大麻生長期圖像的類型，類型分為被病蟲害侵蝕的工業(yè)大麻的生長期圖像和未被病蟲害侵蝕的工業(yè)大麻的生長期圖像。
具體實施方式二：本實施方式與具體實施方式一不同的是，所述步驟一中采集工業(yè)大麻生長期圖像數(shù)據(jù)集和相對應(yīng)的標(biāo)簽文件數(shù)據(jù)集，組成樣本數(shù)據(jù)集；具體過程為：
給定高光譜圖像Z＝{X，Y}，其中X為圖像所有像元數(shù)據(jù)的集合，Y為所有像元對應(yīng)標(biāo)簽的集合；高光譜圖像Z＝{X，Y}輸入第一輸入層，對輸入圖像進行逐像素處理并填充，得到N個大小為S∈RH×W×L的立方體；
其中，H×W為是為立方體的空間大小，L為光譜波段的數(shù)量。
其它步驟及參數(shù)與具體實施方式一相同。
具體實施方式三：本實施方式與具體實施方式一或二不同的是，所述建立神經(jīng)網(wǎng)絡(luò)模型；具體過程為：
神經(jīng)網(wǎng)絡(luò)模型包括：輸入層、第一三維卷積層、第一批歸一化層BN層、第一ReLU激活層、空間注意力塊、光譜注意力塊、第二批歸一化層BN層、第二ReLU激活層、第一Dropout、第一全局最大池化層、FC全連接層、Softmax函數(shù)分類器和輸出層；
所述神經(jīng)網(wǎng)絡(luò)模型的連接關(guān)系為：
輸入層連接第一三維卷積層，第一三維卷積層連接第一批歸一化層BN層，第一批歸一化層BN層連接第一ReLU激活層，第一ReLU激活層分別連接空間注意力塊和光譜注意力塊；
將空間注意力塊的輸出和光譜注意力塊的輸出進行乘積操作，乘積后結(jié)果輸入第二批歸一化層BN層，第二批歸一化層BN層的輸出連接第二ReLU激活層，第二ReLU激活層的輸出連接第一Dropout，第一Dropout的輸出連接第一全局最大池化層，第一全局最大池化層的輸出連接FC全連接層、FC全連接層的輸出連接Softmax函數(shù)分類器，Softmax函數(shù)分類器的輸出結(jié)果經(jīng)輸出層輸出。
其它步驟及參數(shù)與具體實施方式一或二相同。
具體實施方式四：本實施方式與具體實施方式一至三之一不同的是，所述空間注意力塊包括第一全局平均池化層、第二全局平均池化層、第一單位卷積、第三批歸一化層BN層、第一Sigmoid激活函數(shù)層、第二Sigmoid激活函數(shù)層；
所述空間注意力塊的連接關(guān)系為：
第一ReLU激活層的輸出分別連接第一全局平均池化層和第二全局平均池化層，第一全局平均池化層的輸出和第二全局平均池化層的輸出級聯(lián)后輸入第一單位卷積，第一單位卷積連接第三批歸一化層BN層，第三批歸一化層BN層分別連接第一Sigmoid激活函數(shù)層和第二Sigmoid激活函數(shù)層。
其它步驟及參數(shù)與具體實施方式一至三之一相同。
具體實施方式五：本實施方式與具體實施方式一至四之一不同的是，所述光譜注意力塊的連接關(guān)系為：
第一ReLU激活層的輸出輸入光譜注意力塊，光譜注意力塊對第一ReLU激活層的輸出進行變形，變形后進行轉(zhuǎn)置得到X1；
光譜注意力塊SAB對第一ReLU激活層的輸出進行變形，得到X2；
光譜注意力塊SAB對第一ReLU激活層的輸出進行變形，得到X3；
對X1和X2進行矩陣乘法，矩陣乘法后輸入激活函數(shù)層f(·)，得到G；
G的輸出、X2的輸出和X3的輸出進行矩陣乘法，矩陣乘法后進行變形，將變形后輸出與第一ReLU激活層的輸出進行矩陣相加，輸出圖像；
輸出圖像輸入第三全局平均池化層，第三全局平均池化層的輸出輸入第一單位卷積，第三單位卷積的輸出輸入第四批歸一化層BN層，第四批歸一化層BN層的輸出輸入第三Sigmoid激活函數(shù)層。
其它步驟及參數(shù)與具體實施方式一至四之一相同。
具體實施方式六：本實施方式與具體實施方式一至五之一不同的是，所述第一Sigmoid激活函數(shù)層的輸出、第二Sigmoid激活函數(shù)層的輸出和第三Sigmoid激活函數(shù)層的輸出進行乘積操作，乘積后結(jié)果輸入第二批歸一化層BN層。
其它步驟及參數(shù)與具體實施方式一至五之一相同。
具體實施方式七：本實施方式與具體實施方式一至六之一不同的是，所述空間注意力塊的損失定義為：
其中和分別代表空間注意力塊輸出的分割結(jié)果在水平方向和垂直方向的梯度，∈是一個大于0的常數(shù)，N是輸入圖像中像素的總個數(shù)。
其它步驟及參數(shù)與具體實施方式一至六之一相同。
具體實施方式八：本實施方式與具體實施方式一至七之一不同的是，所述第一全局最大池化連接FC全連接層、FC全連接層對第三全局平均池化的輸出結(jié)果進行分類得到S，S＝[s1，s2，...，si，...，sN]；
所述FC全連接層的分類數(shù)為N；
FC全連接層連接SoftMax函數(shù)分類器，SoftMax函數(shù)分類器的輸出結(jié)果是Q＝[q1，q2，...，qi，...，qN]；
輸出結(jié)果Q表示如下：
式中，si?1表示S中的第i?1個元素，sk表示S中的第k個元素。
其它步驟及參數(shù)與具體實施方式一至七之一相同。
具體實施方式九：本實施方式一種工業(yè)大麻生長期的病蟲害監(jiān)測系統(tǒng)用于執(zhí)行具體實施方式一至具體實施方式八中任意一項一種工業(yè)大麻生長期的病蟲害監(jiān)測方法。本發(fā)明還可有其它多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護范圍。
摘自國家發(fā)明專利，發(fā)明人：李國泰，趙楊，申請?zhí)枺?/font>202210125412.2，申請日：2022.02.10
