(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 202210475699.1 (22)申请日 2022.04.29 (71)申请人 北京市农林科 学院信息技 术研究中 心 地址 100097 北京市海淀区曙光 花园中路 11号农科大厦A座1 107 申请人 江苏大学 (72)发明人 孙想　吴华瑞　李林　臧英凯　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 周治宇 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06V 10/20(2022.01) G06N 3/04(2006.01) (54)发明名称 一种水稻病害识别方法及装置 (57)摘要 本发明提供一种水稻病害识别方法及 装置， 包括： 获取目标稻田的待测水稻病害 图像； 将所 述待测水稻病害图像输入至病害识别模型， 确定 由所述病害识别模型输出的目标病害类别； 所述 病害识别模型是基于改进的轻量级神经网络构 建， 由带有病害类别标签的样 本水稻图像训练后 得到的。 本发明提供的水稻病害识别方法及装 置， 利用改进的轻量级神经网络对 水稻病害图像 进行识别， 在不损失识别精度的前提下， 通过减 少网络参数来降低计算复杂度， 在低算力、 低存 储容量的设备上也能够进行模型部署， 能够广泛 地应用于多种设备。 权利要求书2页 说明书10页 附图4页 CN 115035309 A 2022.09.09 CN 115035309 A 1.一种水稻病害识别方法， 其特 征在于， 包括： 获取目标稻田的待测水稻病害图像； 将所述待测水稻病 害图像输入至病 害识别模型， 确定由所述病 害识别模型输出的目标 病害类别； 所述病害识别模型是基于改进的轻量级神经网络构建， 由带有病 害类别标签的样本水 稻图像训练后得到的。 2.根据权利要求1所述的水稻病害识别方法， 其特征在于， 所述病害识别模型包括： 依 次连接的第一模块、 第二模块、 第三模块和第四模块， 以及池化单元和连接单元； 所述第二 模块、 所述第三模块和所述第四模块均是基于坐标注意力机制和最大池化层构建的； 所述将所述待测水稻病 害图像输入至病 害识别模型， 确定由所述病 害识别模型输出的 目标病害类别， 包括： 利用所述依次连接的第一模块、 第二模块、 第三模块和第 四模块对所述待测水稻病害 图像进行 特征提取， 获取多个水稻特 征图； 利用所述池化单元对所述水稻特征图进行平均池化处理， 获取所述待测水稻病害图像 的病害特 征； 利用所述连接单 元对所述病害特 征进行分类， 确定所述目标病害类别。 3.根据权利要求2所述的水稻病 害识别方法， 其特征在于， 在获取目标稻田的待测水稻 病害图像之前， 还 包括： 获取多个样本水稻图像； 将每个样本水稻图像和所述每个样本水稻图像的病害类别标签的组合作为一个训练 样本， 获取多个训练样本； 基于多个训练样本， 构建第一数据集和第二数据集。 4.根据权利要求3所述的水稻病害识别方法， 其特征在于， 在构建第一数据集之后， 还 包括： 将初始学习率和优化器随机组合， 获取多个参数组； 根据所述第 一数据集中的病 害种类数量， 确定所述连接单元的全连接层中神经元的数 量； 利用每个所述参数组对所述病害识别模型进行配置； 利用所述第一数据集对配置后的病害识别模型进行 预训练。 5.根据权利要求4所述的水稻病 害识别方法， 其特征在于， 在所述利用所述第 一数据集 对配置后的病害识别模型进行 预训练之后， 还 包括： 将所述第二数据集划分为训练集和验证集； 将所述训练集中任一训练样本输入至病 害识别模型， 获取所述病 害识别模型输出的所 述训练集中任一训练样本对应的预测病害类别； 根据所述预测病害类别， 确定所述病害识别模型的评价 参数； 若所述评价 参数符合预设条件， 则 利用所述验证集对所述病害识别模型进行验证。 6.根据权利要求3所述的水稻病害识别方法， 其特征在于， 所述获取多个样本水稻图 像， 包括： 获取目标稻田的多个样本初始图像；权　利　要　求　书 1/2 页 2 CN 115035309 A 2对各样本初始图像进行随机 旋转和/或翻转， 确定多个样本扩增图像； 对所述多个样本扩增图像增 加高斯噪声， 确定多个样本降噪图像； 对各样本降噪图像进行HSV颜色增强， 确定多个样本增强图像； 对各样本增强图像进行尺寸归一 化处理， 确定多个样本水稻图像。 7.一种水稻病害识别装置， 其特 征在于， 包括： 获取模块， 用于获取目标稻田的待测水稻病害图像； 确定模块， 用于将所述待测水稻病害图像输入至病害识别模型， 确定由所述病害识别 模型输出 的目标病害类别； 所述病害识别模型是基于改进的轻量级神经网络构建， 由带有 病害类别标签的样本水稻图像训练后得到的。 8.一种电子设备， 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 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述水稻病害识别方法。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处 理器执行时实现如权利要求1至 6任一项所述水稻病害识别方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至 6任一项所述水稻病害识别方法。权　利　要　求　书 2/2 页 3 CN 115035309 A 3