本發(fā)明屬于林業(yè)生產(chǎn)，更具體地說(shuō)，涉及一種植物病蟲(chóng)害檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、在林業(yè)育苗領(lǐng)域，尤其是如桉樹(shù)幼苗等速生樹(shù)種，傳統(tǒng)的病蟲(chóng)害檢測(cè)方法通常依賴于人工采樣與實(shí)驗(yàn)室檢測(cè)，效率低下，準(zhǔn)確性較差，且容易受到人為因素的影響。這些方法不僅耗時(shí)費(fèi)力，還難以實(shí)現(xiàn)大規(guī)模、實(shí)時(shí)的監(jiān)測(cè)。現(xiàn)有的病蟲(chóng)害檢測(cè)系統(tǒng)大多基于rgb圖像，雖然能提供視覺(jué)信息，但在復(fù)雜多變的室外和苗圃環(huán)境中，單純依賴rgb圖像難以準(zhǔn)確識(shí)別不同類型的病蟲(chóng)害，尤其是在病蟲(chóng)害的早期階段或當(dāng)植被密集時(shí)，檢測(cè)效果受到限制。此外，rgb圖像無(wú)法提供場(chǎng)景的深度信息，限制了對(duì)病蟲(chóng)害空間分布的精確判斷。

2、針對(duì)上述問(wèn)題也進(jìn)行了相應(yīng)的改進(jìn)，如中國(guó)專利申請(qǐng)?zhí)朿n202410792387.2，公開(kāi)日為2024年6月19日，該專利公開(kāi)了一種基于模態(tài)聯(lián)合學(xué)習(xí)的植物病蟲(chóng)害檢測(cè)方法，該方法包括：獲取待檢測(cè)植物圖像；對(duì)待檢測(cè)植物圖像進(jìn)行隨機(jī)裁剪，得到若干張裁剪圖像，基于裁剪圖像確定待檢測(cè)植物圖像的結(jié)構(gòu)特征；將待檢測(cè)植物圖像轉(zhuǎn)換為灰度圖，基于灰度圖中各像素點(diǎn)及鄰域內(nèi)各像素點(diǎn)的像素值確定各像素點(diǎn)的紋理值，并基于每個(gè)像素點(diǎn)的紋理值確定待檢測(cè)植物圖像的紋理特征；基于待檢測(cè)植物圖像的色調(diào)值、飽和度值、亮度值以及植物類型，確定待檢測(cè)植物圖像的顏色特征；基于待檢測(cè)植物圖像的結(jié)構(gòu)特征、紋理特征和顏色特征，確定對(duì)待檢測(cè)植物圖像的檢測(cè)結(jié)果。該專利的不足之處在于：雖然提高了植物病蟲(chóng)害檢測(cè)的精度，但是成本高，并且待檢測(cè)植物圖像的來(lái)源易受到外界環(huán)境干擾。

3、又如中國(guó)專利申請(qǐng)?zhí)朿n202410362779.5，公開(kāi)日為2024年3月28日，該專利公開(kāi)了一種園林植物病蟲(chóng)害區(qū)域快速檢測(cè)方法，包括：根據(jù)每個(gè)疑似病蟲(chóng)害像素點(diǎn)的鄰域范圍內(nèi)疑似病蟲(chóng)害像素點(diǎn)個(gè)數(shù)、以及疑似病蟲(chóng)害像素點(diǎn)之間的距離，得到每個(gè)疑似病蟲(chóng)害像素點(diǎn)的目標(biāo)程度值，并得到目標(biāo)像素點(diǎn)；根據(jù)每個(gè)目標(biāo)像素點(diǎn)的鄰域范圍內(nèi)像素點(diǎn)的灰度分布和鄰域范圍內(nèi)的紋理值、每個(gè)目標(biāo)像素點(diǎn)的目標(biāo)程度值、相鄰邊緣像素點(diǎn)斜率的差異，得到每個(gè)目標(biāo)像素點(diǎn)的衰敗概率；根據(jù)每個(gè)目標(biāo)像素點(diǎn)的衰敗概率，得到葉子圖像中的病蟲(chóng)害區(qū)域。該專利的不足之處在于：雖然降低了光照對(duì)病蟲(chóng)害檢測(cè)的影響，但計(jì)算復(fù)雜且耗時(shí)長(zhǎng)，增加成本。

技術(shù)實(shí)現(xiàn)思路

1、1、要解決的問(wèn)題

2、針對(duì)現(xiàn)有植物病蟲(chóng)害檢測(cè)精度差且耗時(shí)的問(wèn)題，本發(fā)明提供一種植物病蟲(chóng)害檢測(cè)方法及系統(tǒng)。本發(fā)明的檢測(cè)方法引入了植物的三維深度信息，有助于更準(zhǔn)確的判斷病蟲(chóng)害的位置和范圍；同時(shí)增強(qiáng)了深度學(xué)習(xí)模型的魯棒性，有助于模型在光照條件較差的情況下仍能準(zhǔn)確檢測(cè)病蟲(chóng)害；整個(gè)檢測(cè)方法既提升了檢測(cè)的準(zhǔn)確性又提升了檢測(cè)的效率，使得能夠在田間環(huán)境中實(shí)現(xiàn)實(shí)時(shí)、自動(dòng)化的病蟲(chóng)害檢測(cè)，適合大規(guī)模的推廣使用。本發(fā)明的系統(tǒng)結(jié)構(gòu)組成簡(jiǎn)單，且在采集數(shù)據(jù)的同時(shí)進(jìn)行實(shí)時(shí)處理和分析，既減少了安裝和維護(hù)的復(fù)雜性，又增強(qiáng)了整個(gè)檢測(cè)過(guò)程的實(shí)時(shí)性。

3、2、技術(shù)方案

4、為解決上述問(wèn)題，本發(fā)明采用如下的技術(shù)方案。

5、一種植物病蟲(chóng)害檢測(cè)方法，包括以下步驟：

6、圖像采集：獲取苗圃中植物的可見(jiàn)光圖像和植物的三維深度信息，得到rgb-d圖像；

7、圖像網(wǎng)格化處理：將rgb-d圖像劃分為若干個(gè)等尺寸的網(wǎng)格，并對(duì)若干個(gè)網(wǎng)格進(jìn)行預(yù)處理；

8、網(wǎng)格檢測(cè)：將若干個(gè)網(wǎng)格分別輸入至深度學(xué)習(xí)模型中進(jìn)行檢測(cè)，得到若干個(gè)網(wǎng)格的病蟲(chóng)害檢測(cè)結(jié)果；所述深度學(xué)習(xí)模型的訓(xùn)練過(guò)程包括無(wú)監(jiān)督學(xué)習(xí)階段和有監(jiān)督微調(diào)階段：

9、無(wú)監(jiān)督學(xué)習(xí)階段采用simclr模型，rgb-d圖像輸入至simclr模型中，simclr模型進(jìn)行提取rgb-d圖像中的圖像特征和深度特征；

10、有監(jiān)督微調(diào)階段采用efficientnet模型，simclr模型提取出的rgb-d圖像中的圖像特征和深度特征輸入至efficientnet模型中，efficientnet模型進(jìn)行識(shí)別病蟲(chóng)害類別；且利用標(biāo)注好的存在病蟲(chóng)害的rgb-d圖像對(duì)efficientnet模型進(jìn)行調(diào)整；

11、結(jié)果匯總輸出：將若干個(gè)網(wǎng)格的病蟲(chóng)害檢測(cè)結(jié)果進(jìn)行匯總得到植物的病蟲(chóng)害檢測(cè)結(jié)果。

12、采用上述技術(shù)方案，通過(guò)在圖像采集時(shí)結(jié)合植物的三維深度信息，可以獲得植物更多細(xì)節(jié)與特征，并且有助于更精確的定位病蟲(chóng)害的位置和范圍，便于識(shí)別被遮擋的病害區(qū)域，以此提升檢測(cè)精度；同時(shí)對(duì)rgb-d圖像進(jìn)行網(wǎng)格化處理，網(wǎng)格化處理一來(lái)提升整個(gè)運(yùn)算效率；二來(lái)進(jìn)一步提升檢測(cè)精度，使得最終的植物的病蟲(chóng)害檢測(cè)結(jié)果更加直觀與形象；最后再通過(guò)深度學(xué)習(xí)模型結(jié)合無(wú)監(jiān)督學(xué)習(xí)階段和有監(jiān)督微調(diào)階段，此模型能夠?qū)W習(xí)到豐富的特征和分類邊界，從而實(shí)現(xiàn)高精度的病蟲(chóng)害檢測(cè)；且能夠適應(yīng)不同光照條件、拍攝角度和植物生長(zhǎng)階段的變化，提高檢測(cè)的魯棒性；減少對(duì)標(biāo)注數(shù)據(jù)的依賴，降低標(biāo)注成本。

13、總的來(lái)說(shuō)，本技術(shù)的植物病蟲(chóng)害檢測(cè)方法引入了植物的三維深度信息，三維深度信息提供葉片間的空間關(guān)系，有助于更準(zhǔn)確的判斷病蟲(chóng)害的位置和范圍；且植物的三維深度信息也增強(qiáng)了深度學(xué)習(xí)模型的魯棒性，因?yàn)閷?duì)光照條件的變化不敏感，有助于模型在光照條件較差的情況下仍能準(zhǔn)確檢測(cè)病蟲(chóng)害；整個(gè)檢測(cè)方法既提升了檢測(cè)的準(zhǔn)確性又提升了檢測(cè)的效率，使得能夠在田間環(huán)境中實(shí)現(xiàn)實(shí)時(shí)、自動(dòng)化的病蟲(chóng)害檢測(cè)，適合大規(guī)模的推廣使用。

14、更進(jìn)一步的，當(dāng)進(jìn)行圖像采集時(shí)，利用rgb-d相機(jī)同時(shí)獲取苗圃中植物的可見(jiàn)光圖像和植物的三維深度信息；且利用rgb-d相機(jī)得到若干張不同高度和/或不同角度的rgb-d圖像。

15、采用上述技術(shù)方案，rgb-d相機(jī)能夠同時(shí)獲得彩色圖像和深度信息，效率快且設(shè)備數(shù)量減少，使得安裝更為便捷；且不同高度和/或不同角度的rgb-d圖像可以獲得植物各個(gè)部位和層面的信息，能夠提供不同視角和層次的植物信息，有助于增強(qiáng)模型對(duì)病蟲(chóng)害的識(shí)別能力；最終達(dá)到提高檢測(cè)精度的效果。

16、更進(jìn)一步的，當(dāng)進(jìn)行圖像采集時(shí)，利用rgb相機(jī)采集苗圃中植物的可見(jiàn)光圖像；利用深度相機(jī)采集苗圃中植物的三維深度信息；且rgb相機(jī)與深度相機(jī)均放置在距離植物頂芽1m～1.4m。

17、采用上述技術(shù)方案，利用不同的相機(jī)進(jìn)行不同數(shù)據(jù)的采集，使得兩個(gè)可見(jiàn)光圖像與三維深度信息的采集互不干擾，便于不同相機(jī)位置的實(shí)時(shí)調(diào)整；且兩個(gè)相機(jī)的位置進(jìn)行限定，使得采集的區(qū)域保持合適的數(shù)量，避免采集區(qū)域過(guò)小影響整個(gè)檢測(cè)效率，采集區(qū)域過(guò)大影響整個(gè)檢測(cè)精度。

18、更進(jìn)一步的，所述無(wú)監(jiān)督學(xué)習(xí)階段的具體訓(xùn)練過(guò)程如下：

19、數(shù)據(jù)準(zhǔn)備：收集若干張rgb-d圖像；

20、數(shù)據(jù)增強(qiáng)：對(duì)每張rgb-d圖像進(jìn)行數(shù)據(jù)增強(qiáng)操作；

21、simclr模型訓(xùn)練：利用simclr框架進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，從訓(xùn)練好的simclr模型中提取rgb-d圖像的圖像特征和深度特征，所述圖像特征包括植物的顏色和紋理。

22、采用上述技術(shù)方案，利用無(wú)監(jiān)督學(xué)習(xí)進(jìn)行特征提取，simclr模型無(wú)需標(biāo)注數(shù)據(jù)即可進(jìn)行訓(xùn)練，這大幅度降低了數(shù)據(jù)標(biāo)注的成本和時(shí)間；并且其能夠進(jìn)行高效的特征提取，以便更準(zhǔn)確地識(shí)別病蟲(chóng)害。

23、更進(jìn)一步的，所述有監(jiān)督微調(diào)階段的具體訓(xùn)練過(guò)程如下：

24、數(shù)據(jù)準(zhǔn)備：收集若干張標(biāo)注好的存在病蟲(chóng)害的rgb-d圖像；且若干張標(biāo)注好的存在病蟲(chóng)害的rgb-d圖像包括不同種類、不同嚴(yán)重程度的病蟲(chóng)害圖像，并帶有相應(yīng)的標(biāo)簽；

25、特征輸入：將simclr模型提取出的rgb-d圖像的圖像特征和深度特征輸入至efficientnet模型中，efficientnet模型進(jìn)行病蟲(chóng)害類別的識(shí)別；

26、模型微調(diào)：使用若干張標(biāo)注好的存在病蟲(chóng)害的rgb-d圖像對(duì)efficientnet模型進(jìn)行調(diào)整；具體的，所述調(diào)整過(guò)程中使用反向傳播算法對(duì)模型進(jìn)行優(yōu)化，且可以采用凍結(jié)efficientnet模型的部分網(wǎng)絡(luò)層或整個(gè)網(wǎng)絡(luò)層進(jìn)行調(diào)整。

27、采用上述技術(shù)方案，其利用預(yù)訓(xùn)練好的efficientnet模型的參數(shù)和結(jié)構(gòu)，避免從頭開(kāi)始訓(xùn)練模型，從而加速模型訓(xùn)練過(guò)程；且efficientnet模型為高效的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具有較少的參數(shù)和較高的性能，使得整個(gè)模型能夠兼顧效率與精度。

28、更進(jìn)一步的，所述若干個(gè)網(wǎng)格的病蟲(chóng)害檢測(cè)結(jié)果包括健康狀態(tài)以及病害程度，其劃分標(biāo)準(zhǔn)如下：

29、健康：無(wú)病害跡象，葉片完好，未檢測(cè)到任何病害；

30、輕度病害：?jiǎn)蝹€(gè)網(wǎng)格中，感染面積在0-20％之間，且感染葉片數(shù)量在0-20％之間，不影響整體植株健康；

31、中度病害：?jiǎn)蝹€(gè)網(wǎng)格中，感染面積在20-50％之間，或感染葉片數(shù)量在20-50％之間，病斑明顯；

32、重度病害：?jiǎn)蝹€(gè)網(wǎng)格中，感染面積超過(guò)50％，且感染葉片數(shù)量超過(guò)50％，葉片大面積受損。

33、采用上述技術(shù)方案，通過(guò)對(duì)每個(gè)網(wǎng)格進(jìn)行健康狀態(tài)以及病害程度判定，能夠?qū)崿F(xiàn)對(duì)每株植物的精細(xì)檢測(cè)和分類，便于人為快速找到病害區(qū)域，及時(shí)進(jìn)行干預(yù)；并且可以根據(jù)每個(gè)網(wǎng)格的狀態(tài)生成整株植物的綜合健康報(bào)告，便于更直觀的了解植物的生長(zhǎng)狀態(tài)，提高整個(gè)植物生長(zhǎng)監(jiān)測(cè)的及時(shí)性與準(zhǔn)確性。

34、更進(jìn)一步的，將若干個(gè)網(wǎng)格的病蟲(chóng)害檢測(cè)結(jié)果進(jìn)行匯總時(shí)還包括統(tǒng)計(jì)健康網(wǎng)格、輕度病害網(wǎng)格、中度病害網(wǎng)格和重度病害網(wǎng)格的分布情況繼而得到健康區(qū)域，輕度病害區(qū)域，中度病害區(qū)域以及重度病害區(qū)域，并根據(jù)對(duì)應(yīng)的區(qū)域生成防治建議。

35、采用上述技術(shù)方案，直觀展示病害集中區(qū)以及健康區(qū)域的位置，便于人為了解病害的擴(kuò)散趨勢(shì)，并且根據(jù)不同區(qū)域生成不同的防治建議，能夠迅速且精準(zhǔn)的實(shí)現(xiàn)人為干預(yù)，無(wú)需耗費(fèi)大量的時(shí)間成本以及干預(yù)成本，保證植物生長(zhǎng)的穩(wěn)定性。

36、一種應(yīng)用如上述任一項(xiàng)所述的植物病蟲(chóng)害檢測(cè)方法的系統(tǒng)，包括：

37、感知模塊：用于數(shù)據(jù)采集，獲取苗圃中植物的可見(jiàn)光圖像和植物的三維深度信息，得到rgb-d圖像；

38、計(jì)算模塊：用于對(duì)rgb-d圖像進(jìn)行網(wǎng)格化處理以及預(yù)處理，然后進(jìn)入到深度學(xué)習(xí)模型中進(jìn)行檢測(cè)，最終輸出植物的病蟲(chóng)害檢測(cè)結(jié)果。

39、采用上述技術(shù)方案，該系統(tǒng)引入了植物的三維深度信息，相比于傳統(tǒng)的單一光譜圖像檢測(cè)方式，能夠更全面地捕捉植物的表面特征和結(jié)構(gòu)信息，大大減少了環(huán)境因素對(duì)檢測(cè)結(jié)果的影響，從而提高了病蟲(chóng)害檢測(cè)的精準(zhǔn)度和檢測(cè)過(guò)程的魯棒性；并且系統(tǒng)構(gòu)成簡(jiǎn)單，在采集數(shù)據(jù)的同時(shí)進(jìn)行實(shí)時(shí)處理和分析，既減少了安裝和維護(hù)的復(fù)雜性，又增強(qiáng)了整個(gè)檢測(cè)過(guò)程的實(shí)時(shí)性。

40、更進(jìn)一步的，所述感知模塊包括：

41、相機(jī)單元：用于采集苗圃中植物的可見(jiàn)光圖像和植物的三維深度信息；

42、散熱單元：用于給相機(jī)單元進(jìn)行散熱；

43、電源單元：用于給相機(jī)單元和散熱單元進(jìn)行供電。

44、采用上述技術(shù)方案，散熱單元的設(shè)置使得感知模塊中的相機(jī)單元能夠在長(zhǎng)時(shí)間的工作狀態(tài)下保持性能穩(wěn)定，既不會(huì)影響拍攝精度，又能夠保證整個(gè)感知模塊處于一個(gè)溫度適宜的環(huán)境，保證感知模塊內(nèi)的單元組件正常工作。

45、更進(jìn)一步的，所述計(jì)算模塊包括：

46、jetson?xavier?nx平臺(tái)：用于對(duì)rgb-d圖像進(jìn)行網(wǎng)格化處理以及預(yù)處理，以及進(jìn)行植物病蟲(chóng)害檢測(cè)分析；

47、顯示單元：用于將jetson?xavier?nx平臺(tái)中的植物病蟲(chóng)害檢測(cè)分析結(jié)果進(jìn)行輸出顯示；

48、散熱單元：用于給jetson?xavier?nx平臺(tái)進(jìn)行散熱。

49、采用上述技術(shù)方案，利用jetson?xavier?nx平臺(tái)強(qiáng)大的ai計(jì)算能力和低功耗特性，能夠?qū)崟r(shí)處理來(lái)自感知模塊的大量數(shù)據(jù)，并準(zhǔn)確識(shí)別植物的病蟲(chóng)害類別，使得整個(gè)系統(tǒng)更加節(jié)能環(huán)保；并且散熱單元的設(shè)置進(jìn)一步確保jetson?xavier?nx平臺(tái)在高溫工況下依然能夠穩(wěn)定工作，避免因過(guò)熱導(dǎo)致性能下降或裝置故障，提高計(jì)算模塊的安全性。