(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 202210934304.X (22)申请日 2022.08.04 (71)申请人 河南大学 地址 475004 河南省开封市河南大 学金明 校区 (72)发明人 杨晓慧　高善阳　马怡鹤　张晓梅　 焦雪　王佳惠　王烨彤　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 张丹丹 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/12(2022.01) G06V 10/40(2022.01) G06V 10/762(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种实时多功能病虫害智能识别预警系统 (57)摘要 本发明涉及智慧农业技术领域， 具体涉及一 种实时多功能病虫害智能识别预警系统， 该系统 包括农作物病害识别模块、 农作物病害预警模 块、 农作物虫害图像检测模块、 农作物虫害 图像 批量检测模块、 农作物虫害视频检测模块。 本发 明利用训练完成的病害识别网络实现对农作物 病害的识别与预警， 利用训练完成的虫害检测网 络实现对农作物虫害的识别与实时检测， 基于 PyQt5开发出GU I， 用户只需在界面上进行简单的 鼠标点击就可以开启关闭识别检测以及实时得 到识别检测结果， 其中， 病害识别网络和虫害检 测网络分别可以是通过对RepVGG卷积神经网络 和改进的YOL OV5网络进行训练得到的。 本发明提 高了农作物病虫害识别检测的准确度和速度。 权利要求书1页 说明书11页 附图5页 CN 115187868 A 2022.10.14 CN 115187868 A 1.一种实时多功能病虫害智能识别预警系统， 其特征在于， 包括农作物病 害识别模块、 农作物病害预警模块、 农作物虫害图像检测模块、 农作物虫害图像批量检测模块和农作物 虫害视频检测模块； 所述农作物病 害识别模块用于获取病 害图像， 根据训练完成的病 害识别网络对所述病 害图像进行病害识别， 得到所述病害图像对应的病害类别； 所述农作物病 害预警模块用于获取病 害图像文件夹和病 害阈值， 根据 所述病害识别网 络对所述病害图像文件夹中的每张病害图像进 行病害识别， 得到所述病害图像对应的病害 类别， 根据所述病害图像文件夹中的病害图像对应的病害类别， 确定总病害率， 根据所述总 病害率和所述病害阈值， 生成所述病害图像文件夹对应的病害信息， 将所述病害信息保存 到预先设置的文本文件； 所述农作物虫害图像检测模块用于获取虫害图像， 根据训练完成的虫害检测网络， 对 所述虫害图像进行检测识别， 得到并展示所述虫害图像对应的虫害信息， 虫害信息包括： 虫 害类别、 虫害位置和虫害类别中虫害的数量； 所述农作物虫害图像批量检测模块用于获取图像目录信息， 根据所述虫害检测网络， 对所述图像目录信息对应的图像进行检测识别， 得到所述图像目录信息对应的图像对应的 虫害信息， 将所述图像目录信息对应的图像和所述图像目录信息对应的图像对应的虫害信 息保存到预 先设置的文件夹， 展示保存路径； 所述农作物虫害视频检测模块用于获取虫害视频， 根据所述虫害检测网络， 对组成所 述虫害视频的图像进行检测识别， 得到组成所述虫害视频 的图像对应的虫害信息， 并对虫 害信息进行实时展示。 2.根据权利要求1所述的系统， 其特 征在于， 所述病害识别网络的训练过程， 包括： 构建病害识别网络； 获取农作物病害图像集合， 其中， 所述农作物病害图像集合中的农作物病害图像对应 的训练标签包括： 病害类别； 利用所述农作物病害图像集合和所述农作物病害图像集合中的各个农作物病害图像 对应的训练标签， 对病害识别网络进行训练， 得到训练完成的病害识别网络 。 3.根据权利要求1所述的系统， 其特 征在于， 所述虫害检测网络的训练过程， 包括： 构建虫害检测网络； 获取农作物虫害图像集合， 其中， 所述农作物虫害图像集合中的农作物虫害图像对应 的训练标签包括： 虫害类别和虫害位置； 利用所述农作物虫害图像集合和所述农作物虫害图像集合中的各个农作物虫害图像 对应的训练标签， 对虫害检测网络进行训练， 得到训练完成的虫害检测网络 。 4.根据权利要求1所述的系统， 其特征在于， 所述病害识别网络是RepVGG卷积神经网 络， 所述病害识别网络训练过程中的损失函数 是Loss Function。 5.根据权利 要求1所述的系统， 其特征在于， 所述虫害检测网络是对YOLOV5网络进行改 进的网络， 所述虫害检测网络中的Backbone模块中的SPPF层添加了注意力机制， 所述虫害 检测网络中的Backbone模块中的3x3卷积层用RepVGG网络中的RepVGGBlock层 代替， 虫害检 测网络在训练过程中采用比Complete ‑IOU损失函数效果更好的Ef ficient‑IOU损失函数。权　利　要　求　书 1/1 页 2 CN 115187868 A 2一种实时多功能病虫害智能识别预警系统 技术领域 [0001]本发明涉及智慧农 业技术领域， 具体涉及 一种实时多功能病虫害智能识别预警系 统。 背景技术 [0002]“民以食为天 ”， 农业关乎民生大计， 在国民经济中占有基础地位。 农作物的病虫害 问题也成为农业研究 的焦点。 农作 物病虫害有种类复杂， 影响程度大等特点， 其发生范围和 严重程度对我国国民经济、 农业生产常造成重大损失， 发现和解决病 虫害问题是提高农作 物产量的出发点。 农作物病虫害检测与防治主要分为虫害检测与识别以及病害检测与识 别， 考虑到如今农业生产者不仅需要解决农作物叶片上已经发生的病害， 而且也需求早期 识别与防治， 这样才能根治农作物病虫害， 减轻病虫害对农业 生产的影响。 [0003]在过去的几十年中， 许多学者已经尝试利用深度学习技术进行农作物的病害识 别。 许景辉利用深度学习技术研究识别玉米大斑病与锈病； 石鑫鑫基于迁移学习的稠密卷 积网络， 应用数字图像处理技术和Softmax回归算法达到自动提取图像特征， 准确识别病害 的目的； 樊杰基于深度残差神经网络， 分别提出了单种类农作物病害识别方法和多种类农 作物细粒度病害识别方法； 张怡等人选择ResNet ‑18结构、 SGD优化算法， 建立了区分8种绿 茶的深度学习模型； 张梦雨基于Resnet和注意力机制对花 卉进行了识别。 [0004]然而， 这些方法在识别的精度、 速度以及参数量上都有所欠缺， 因此采用更快速， 更简便， 准确率更高的识别方法是十分必要的。 [0005]对于农作物的虫害识别， 是当今的一个新型热点话题， 卢柳江等运用AdaBoost分 类器完成农作物虫害识别， 曾蒙利用Y OLO完成油菜虫害图像识别； 马佳佳利用SVM方法研究 虫识别， 这些 方法在目标检测速度、 预测精度都需要得到更好的提高。 发明内容 [0006]本发明的内容部分用于以简要的形 式介绍构思， 这些构思将在后面的具体实施方 式部分被详细描述。 本发明的内容部分 并不旨在标识要求保护的技术方案的关键特征或必 要特征， 也不旨在用于限制所要求的保护的技 术方案的范围。 [0007]为了解决农作物病虫害识别检测的准确度和速度低下的技术问题， 本发明提出了 一种实时多功能病虫害智能识别预警系统。 [0008]本发明提供了一种实时多功能病虫害智能识别预警系统， 该系统包括农作物病害 识别模块、 农作 物病害预警模块、 农作物虫害图像检测模块、 农作物虫害图像批量检测模块 和农作物虫害视频检测模块； [0009]所述农作物病害识别模块用于获取病害图像， 根据训练完成的病害识别网络对所 述病害图像进行病害识别， 得到所述病害图像对应的病害类别； [0010]所述农作物病害预警模块用于获取病害图像文件夹和病害阈值， 根据所述病害识 别网络对所述病害图像文件夹中的每张病害图像进行病害识别， 得到所述病害图像对应的说　明　书 1/11 页 3 CN 115187868 A 3