龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：昆明理工大学
申请日：2024-04-02
公开（公告）日：2024-06-14
公开（公告）号：CN118196798A
主分类号：G06V20/80
分类号：G06V20/80;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种三七叶片病害辨识方法，本发明将MobileNetV2作为特征提取网络对样本数据进行特征提取，提取的浅层特征与ECA通道注意力机制结合，以增强浅层特征对于边缘细节的关注，使其更好地聚焦于边缘位置上；提取的深层特征输入至基于窗口注意力机制的空洞空间金字塔池化模块WA‑ASPP对数据进行进一步提取，以获得不用尺度和层次的特征信息，可以更全面地理解和分析图像，从而提高模型的性能和泛化能力；将融合后的深层特征图与浅层特征图进行拼接，最后输出最终的预测图，本发明与现有技术相比，极大地降低了模型大小和计算复杂度，便于部署终端，实现三七病害实时监测，为治理三七病害问题提供了新的方法，能够有效地保护三七的生长。
主权项：1.一种三七叶片病害辨识方法，其特征在于，步骤如下：1采用相机拍摄病变三七叶片叶面图像，使用labelme软件将图像中病变区标出，然后对图像进行预处理；2将预处理后的图像输入至DeepLabV3+模型的轻量级MobileNetV2主干网络中提取特征，获得浅层特征图和深层特征图；3将深层特征图输入基于窗口注意力机制的空洞空间金字塔池化模块中，将空洞空间金字塔池化模块输出的多尺度特征图拼接，得到通道维度上的深层特征图，同时将浅层特征图使用1×1卷积核对其进行通道数调整后，使用ECA通道注意力机制对浅层特征图进行特征过滤，得到输出的浅层特征；4对通道维度上的深层特征图解码，使用1×1卷积核对其进行通道数调整，然后通过4倍线性差值上采样处理，将经过上采样处理后的特征图与步骤3输出的浅层特征图进行拼接融合，然后传入至3×3卷积核中细化特征，最后再进行4倍线性插值上采样并调整通道数为3，训练获得改进的轻量级DeepLabV3+模型；5采用测试集对改进的轻量级DeepLabV3+模型进行测试，测试后作为预测模型；采用预测模型对待辨识三七叶图片进行病害辨识。
全文数据：
权利要求：
百度查询： 昆明理工大学 一种三七叶片病害辨识方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号