一种融合传统图像处理与深度神经网络的小麦黄花叶病快速预测方法

本发明公开了图像处理技术领域内的一种融合传统图像处理与深度神经网络的小麦黄花叶病快速预测方法，包括以下步骤：S1）使用无人机获取小麦田图片；S2）将作物的遥感图片输入训练好的基于Keras和TensorFlow框架的DenseNet深度学习网络，得到识别结果，实现作物病害遥感监测，本发明实现小麦黄花叶病快速预测；具有识别速度快，准确率高，效率高，对农民的专业技术依赖性低等优点，与基于HLS颜色空间分解与漫水填充阈值分割的传统图像处理算法与DenseNet深度学习网络检测相互配合，既充分发挥了深度学习监测效果的稳定性、灵活性，也体现了传统图像处理算法的高精度、数据标注简便高效的优势，避免了深度学习神经网络前期需要先采集成上万张实物图片。