【技术实现步骤摘要】
基于深度卷积神经网络的番茄病害识别方法
本专利技术属于深度学习计算机视觉领域，主要是一种基于深度卷积神经网络识别方法，可应用于番茄病害识别。
技术介绍
番茄在中国的农业经济中占有举足轻重的地位，番茄病害是影响番茄产量的主要病害之一，严重影响了农业经济的发展。例如，早疫病是世界上最常见的病害之一，其会造成产量的大幅度下降，晚疫病对农作物的危害也很大，在气候潮湿的地区危害很大。防治番茄病害是提高番茄产量和品质的关键。因此，早期发现和良好的疾病识别，有助于减少农业病虫害所造成的损害。为了更好的识别农业病虫害，农业从业者必须经过学术培训并且有着广泛的各种学科的知识，以及经验，以及了解大量和多样的疾病的原因。因此，一个好的农业医生需要知道疾病引起的所有症状和特征。因此研究人员提出一种利用农作物叶部图像自动分类病虫害的策略。这些方法的目的是早期发现农业病虫害，并在适当的时候进行适当的治疗。这些方法基于机器学习和计算机视觉，使用叶子的图像构建疾病分类器。在构建分类器时，从图像中提取特征，方便分类器的工作。专家们创建这些特征并从图像中提取相...
【技术保护点】
1.基于深度卷积神经网络的番茄病害识别方法，其特征在于：包括以下步骤：/n(1)、扩充数据集/n从AI CHALLENGER官方网站下载农业病害数据集，创建数据集，并通过官方的JSON文件对所有的农作物病害图片进行筛选，筛选出全部的番茄病害图片，创建番茄病害数据集；/n提出了6种不同的增强方法对数据集进行扩充，数据增强方法之间扩充比例为1:1:1:1:1:5；/n(2)、对图像数据集进行相关预处理；/n由于数据集中的图片并不能直接用于网络模型的训练，需对对数据集进行相关的预处理，预处理的步骤如下；/n步骤2.1、将图像压缩到256*256的尺寸；/n步骤2.2、对图像数据集...
【技术特征摘要】
1.基于深度卷积神经网络的番茄病害识别方法，其特征在于：包括以下步骤：
(1)、扩充数据集
从AICHALLENGER官方网站下载农业病害数据集，创建数据集，并通过官方的JSON文件对所有的农作物病害图片进行筛选，筛选出全部的番茄病害图片，创建番茄病害数据集；
提出了6种不同的增强方法对数据集进行扩充，数据增强方法之间扩充比例为1:1:1:1:1:5；
(2)、对图像数据集进行相关预处理；
由于数据集中的图片并不能直接用于网络模型的训练，需对对数据集进行相关的预处理，预处理的步骤如下；
步骤2.1、将图像压缩到256*256的尺寸；
步骤2.2、对图像数据集中每张图像裁剪到224，有50％几率对图像随机进行水平、竖直翻转；
步骤2.3、将图像数据集随机生成10份数据集，每份数据集包含不同的训练集与验证集；训练集的数据占所有数据的90％，验证集的数据占所有数据的10％；
(3)、构建Residual56AttentionNetwork网络模型，
获取到预处理后的数据集后，构建Residual56Attention网络，该Residual56Attention网络模型的主干结构是由3个Attentionmodule模块以及4个Residual交替拼接而成；网络模型的结构主体仍然是基于ResidualUnit的Resnet网络结构；在网络的残差块部分位置加入另外的分支，构成一个整体的AttentionModule；一个AttentionModule分为两个分支，右边的分支就是普通的卷积网络，即主干分支，叫做TrunkBranch；左边的分支是为了得到一个掩码Mask，该掩码Mask的作用是得到输入特征的AttentionMap，所以叫做MaskBranch，这个MaskBranch包含DownSample和UpSample的过程，目的是为了保证和右边分支的输出大小一致；在原有的Residual56Attention的所有的激活函数层均使用ELU函数作为激活函数；
Residual56Attention模型的最后一层为一个输出的全连接层，输出分类结果；
(4)、使用预处理后的数据集训练自己的网络模型；
构建好Residual56At...
【专利技术属性】
技术研发人员：张涛，朱显坤，张琨，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。