申请/专利权人：安徽农业大学

申请日：2023-12-22

公开（公告）日：2024-03-19

公开（公告）号：CN117726945A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/68;G06V10/26;G06V10/44;G06V10/82;G06V10/80;G06V10/764;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种基于多尺度的苹果叶片病害识别方法，包括：1获取苹果叶片病害图像数据集并进行预处理；2构建多尺度特征融合网络模型；3离线训练构建的多尺度特征融合网络模型；4利用构建好的模型实现预测，以达到苹果叶片病害识别的目的。本发明用改进的特征融合网络处理苹果叶片病害图像，能解决图像尺度不一的问题，从而能提升苹果叶片病害识别的准确率。

主权项：1.一种基于多尺度的苹果叶片病害识别方法，其特征在于，包括如下步骤：步骤1、获取苹果叶片病害图像数据集并进行预处理，得到预处理后的苹果叶片病害图像数据集记为X＝{x1，x2，...，xi，...，xN}，其中，xi表示第i张苹果叶片病害图像；i＝1，2，...，N，N为苹果叶片病害图像数据集X中苹果叶片病害图像的总数；利用语义分割方法对苹果叶片病害图像数据集X进行标注，得到苹果叶片病害图像的标注集Y＝{y1，y2，...，yj，...，yM}，其中，yi表示第i张苹果叶片病害图像xi的标签，若yi＝j，则表示第i张苹果叶片病害图像xi归属于第j种病害，j∈{1，2，...，M}，M为苹果叶片的病害种类数；步骤2、构建多尺度特征融合网络，包括：浅层特征提取模块、深层特征提取模块以及特征融合模块；步骤2.1、所述浅层特征提取模块由一个二维卷积层，一个批量归一化层以及一个ReLU激活函数层依次组成；所述第i张苹果叶片病害图像xi输入所述浅层特征提取模块中，并经过所述二维卷积层的局部细节特征的提取，得到叶片病害的局部细节特征图TSi；所述批量归一化层对局部细节特征图TSi进行数据标准化处理，得到标准化后的局部细节特征图TS′i；将标准化后的具备细节特征图TS′i输入ReLU激活函数层中，并利用式1得到最终的浅层特征TS″i； 步骤2.2、所述深层特征提取模块由一个SE模块和一个可分离卷积层组成；所述SE模块由一个池化层，一个全连接层，一个ReLU激活函数和一个Sigmoid激活函数组成；所述浅层特征图TS″i输入SE模块中，并利用式2得到集成注意力输出结果RCEi；RCEi＝σW2δW1AvgpoolTS″i2式2中，Avgpool是池化层的全局平均池化操作，W1和W2是全连接层的2个权重，δ是ReLU激活函数，σ是Sigmoid激活函数；所述集成注意力输出结果RCEi再经过可分离卷积层的处理后，得到叶片病害的深层特征图TDi；步骤2.3、所述特征融合模块由一个完全卷积层，一个Sigmoid激活函数层和一个平均池化层组成；所述局部细节特征图TSi和深层特征图TDi输入所述完全卷积层中进行处理，得到融合后的叶片病害特征图TMi；再输入Sigmoid激活函数层中，并输出所述第i张苹果叶片病害图像xi的重要性权重αi；所述平均池化层对叶片病害特征图TMi进行降维处理，得到一维病害预测概率矩阵其中，表示所述第i张苹果叶片病害图像xi对第j种病害的预测概率；从Ti中选择最大概率所对应的病害种类作为第i张苹果叶片病害图片xi的预测标签步骤3、网络训练；步骤3.1、利用式3构建自注意力权重交叉熵损失函数LCE； 式3中，表示权重矩阵W中第j列参数的转置，αi表示第i张苹果叶片病害图像xi的重要性权重；步骤3.2、利用式4得到当前第t个迭代周期Tt的学习率lrt； 式4中，lrt表示第t个迭代周期的学习率，lrmin表示最小学习率，lrmax表示最大学习率，Tmax表示最大迭代周期，Tt表示当前的迭代周期；步骤3.3、将苹果叶片病害图像数据集X＝{x1，x2，...，xi，...，xN}输入多尺度特征融合网络中，并利用梯度下降法对网络进行训练，同时计算损失函数LCE，并更新学习率lrt，当Tt达到Tmax或LCE收敛时，训练停止，从而得到最优苹果叶片病害分类网络，用于对苹果叶片病害图像的病害类别进行识别。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于多尺度的苹果叶片病害识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD