首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种基于多任务优化的萱草叶片病害检测方法及系统_上海应用技术大学_202310795795.9 

申请/专利权人:上海应用技术大学

申请日:2023-06-30

公开(公告)日:2023-10-13

公开(公告)号:CN116883841A

主分类号:G06V20/10

分类号:G06V20/10;G06V10/26;G06V10/52;G06V10/764;G06V10/44;G06V10/42;G06V10/80;G06V10/82;G06N3/045;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2023.10.31#实质审查的生效;2023.10.13#公开

摘要:本发明公开了一种基于多任务优化的萱草叶片病害检测方法,包括构建一个轻量级的特征提取骨干网络和一个路径聚合网络;构建一个语义分割模块,将骨干网络的第五个尺度层次特征图输入到语义分割模块,对病害目标所在的叶片进行分割,输出病害叶片的像素级分类切割图,在模型训练过程中引导网络的注意力集中至病害叶片上;构建经过任务解耦的目标检测模块,实现对病害目标的准确检测和定位;构建一个用于训练时约束参数优化方向的损失函数,将模型进行特征提取的注意力集中到病害叶片上。本发明构建了一个浅层全局空间关联信息骨干网络,能够有效地对现实场景中的病害、叶片和背景进行区分,降低参数量和计算量,以及降低算法对背景物体的误检率。

主权项:1.一种基于多任务优化的萱草叶片病害检测方法,其特征在于:包括,基于可分离的自注意力机制构建一个轻量级的特征提取骨干网络,在骨干网络中,以下采样模块为分界点,分成五个尺度层次;构建一个路径聚合网络,包括自底向上的融合路径和自顶向下的融合路径;构建一个语义分割模块,将骨干网络的第五个尺度层次特征图M5输入到语义分割模块,对病害目标所在的叶片进行分割,输出病害叶片的像素级分类切割图;构建一个经过任务解耦的目标检测模块,实现对病害目标的准确检测和定位;构建一个用于训练时约束参数优化方向的总损失函数,将模型进行特征提取的注意力集中到病害叶片上。

全文数据:

权利要求:

百度查询: 上海应用技术大学 一种基于多任务优化的萱草叶片病害检测方法及系统

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。