申请/专利权人：杭州电子科技大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876773A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/60;G06V10/774;G06V10/77;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于EfficienNetV2S的虫害细粒度识别方法，包括如下步骤：S1、收集农业昆虫图像，并预处理得到数据集；S2、构建细粒度分类模型，所述细粒度分类模型以EfficienNetV2‑S为主干网络，在EfficienNetV2‑S中带有SE注意力模块的MBConv模块嵌入一个多尺度注意力EMA模块，记为EMA‑MBConv；S3、将预处理后的数据集作为输入训练细粒度分类模型；S4、获取待识别的图像经预处理后，通过完成训练的细粒度分类模型进行昆虫分类。该方法解决实际农业中害虫种类多，背景复杂，类内差异大，类间差异小且数据分布不平衡导致害虫分类准确率低的问题。

主权项：1.一种基于EfficienNetV2S的虫害细粒度识别方法，其特征在于，包括如下步骤：S1、收集农业昆虫图像，并预处理得到数据集；S2、构建细粒度分类模型所述细粒度分类模型以EfficienNetV2-S为主干网络，在EfficienNetV2-S中带有SE注意力模块的MBConv模块嵌入一个多尺度注意力EMA模块，记为EMA-MBConv；S3、将预处理后的数据集作为输入训练细粒度分类模型，通过优化以下目标函数来训练细粒度分类模型：Ltotal＝LS-CE+βLRLM 训练数据集表示为D＝{xi,yi|i∈{1,2,…,N}}，yi表示为一个C类别的向量，这个向量用来记录样本xi的类标签，表示样本xi属于哪个类别，Wi和bj,j∈{1,2,…,C}分别表示Softmax回归中第j类的参数向量和偏差，其softmax函数是将样本数据经过线性变化后，再进行softmax函数处理后将结果转化为各类别的概率分布；LRLM为自适应正则化large-margins损失，β为超参数，损失函数LRLM的定义如下： 其中Wi和Wj,i,j∈{1,2,…,C}是Softmax中第i类和第j类的参数向量，Wi-Wj是Wi和Wj的向量差，是正则化的向量，S4、获取待识别的图像经预处理后，通过完成训练的细粒度分类模型进行昆虫分类。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于EfficienNetV2S的虫害细粒度识别方法

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