申请/专利权人：安徽大学

申请日：2024-01-11

公开（公告）日：2024-04-12

公开（公告）号：CN117876843A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/80;G06V10/764;G06V10/774;G06V20/10;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及一种具有动态降低图像冗余的高效农作物病害识别方法，与现有技术相比解决了复杂环境下病害识别性能差的缺陷。本发明包括以下步骤：图像数据集的获得及预处理；CA2PNet模型的构建；CA2PNet模型的训练；待识别农作物病害图像的获取；农作物病害图像识别结果的获得。本发明首先通过轻量级CA‑AnchorNet得到具有表征农作物病害区域的特征图，然后通过类激活图CAM定位到能反映出类别判别性的病害特征区域并映射到更高分辨率的图像中裁剪出区域块，最后将这些具有更小空间冗余的局部语义块输入轻量级PatchNet进行精准的识别。

主权项：1.一种具有动态降低图像冗余的高效农作物病害识别方法，其特征在于，包括以下步骤：11图像数据集的获得及预处理：获取图像数据集并进行扩充预处理；12CA2PNet模型的构建：设定CA2PNet模型包括两个阶段，定位农作物病害目标区域的CA-AncorNet和区域块识别网络PatchNet；13CA2PNet模型的训练：将预处理后的图像数据集输入CA2PNet模型，采用两阶段的训练策略进行训练，第一阶段使用原始图像resize为224×224大小图像训练CA-AncorNet,第二阶段先使用原始图像resize为95×95大小图像训练PatchNet,然后用第一阶段训练好的CA-AncorNet，获得语义信息的特征图，然后采用patch目标定位算法得到patch块，利用Patch块去微调PatchNet；14待识别农作物病害图像的获取：获取待识别农作物病害图像并进行预处理；15农作物病害图像识别结果的获得：将预处理后的待识别农作物病害图像输入训练后的CA2PNet模型，得到农作物病害图像识别结果。

全文数据：

权利要求：

百度查询： 安徽大学 一种具有动态降低图像冗余的高效农作物病害识别方法

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