本申请提供了植物疾病分类方法、装置、电子设备及存储介质，所述方法包括：将第一待分类图像分别输入分类模型的多个注意力提取网络，以获得所述第一待分类图像的多个注意力提取结果；其中，所述第一待分类图像为拍摄一株植物获得的图像；对所述第一待分类图像的多个注意力提取结果进行加权融合，以获得所述第一待分类图像的注意力融合结果；将所述第一待分类图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述第一待分类图像所对应的植物疾病类别的分类信息。本植物疾病分类方法通过多个注意力提取网络分别进行注意力提取，并对提取结果进行加权融合，可以得到细化的植物疾病分类结果。细化的植物疾病分类结果。细化的植物疾病分类结果。
【技术实现步骤摘要】
植物疾病分类方法、装置、电子设备及存储介质
[0001]本申请涉及图像分类方法
，尤其涉及植物疾病分类方法、装置、电子设备及存储介质。
技术介绍
[0002]农作物病害是制约农业发展的主要因素之一，准确、高效地识别病害对于保证农作物的正常生长具有重要的意义。
[0003]为了准确、高效地识别农作物的病害，本领域技术人员逐步研究发现基于计算机视觉技术对此有较大改善，一般通过在大量农业场景的监控视频中，获取大量正常生长的植物叶片和发生病虫害的植物叶片，从正常生长的植物叶片和发生病虫害的植物叶片中各抽取部分图片作为样本，对每幅叶片图像提取特征(包括颜色特征、HSV特征、边缘特征和HOG特征)，将这些特征组合成特征向量；然后对每幅叶片图像的特征向量用SVM的机器学习方法进行训练，训练后形成一个分类器，然后将大量的植物叶片图像用这个分类器进行检测，检测植物叶片是否发生病虫害。相比于生物学方面的植物病虫害检测方法，上述对植物病虫害的检测方法具有更好的实时性。
[0004]但在植物疾病分类领域，不同的叶子病变情况长相非常相似，或者同一疾病类别的植物由于姿态、背景以及拍摄角度的不同，存在较大的疾病类别的类内差异。现有的方法只能检测出植物是否发生病虫害，对病虫害子类别间细微的类间差异无能为力。
技术实现思路
[0005]本申请的目的在于提供一种植物疾病分类方法、装置、电子设备及计算机可读存储介质，以弥补现有技术中对于检测植物疾病的类内差异方法的空白。
[0006]本申请的目的采用以下技术方案实现：
[0007]第一方面，本申请提供了一种植物疾病分类方法，所述方法包括：将第一待分类图像分别输入分类模型的多个注意力提取网络，以获得所述第一待分类图像的多个注意力提取结果；其中，所述第一待分类图像为拍摄一株植物获得的图像；对所述第一待分类图像的多个注意力提取结果进行加权融合，以获得所述第一待分类图像的注意力融合结果；将所述第一待分类图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述第一待分类图像所对应的植物疾病类别的分类信息。
[0008]该技术方案的有益效果在于：采用多个注意力提取网络对待分类图像进行注意力提取，相比于单个的注意力提取网络进行注意力提取，多特征提取网络下有更高的泛化性；将得到的注意力提取结果进行加权融合，并将融合后的注意力提取结果和第一待分类图像输入分类模型的分类网络，注意力机制可以减少对不关注区域在分类网络中的比重，使分类网络更关注图像中细小的差别，实现更精确的图像分类其输入的细小差别，减小了图像分类的难度，提高了分类的准确度，可以得到更细化的植物疾病分类结果。由此，本实施例提供的植物疾病分类方法，可以得到细化的植物疾病分类结果。
[0009]在一些可选的实施例中，所述分类模型的多个注意力提取网络包括第一注意力提取网络至第四注意力提取网络；所述将第一待分类图像分别输入分类模型的多个注意力提取网络，得到所述第一待分类图像的多个注意力提取结果，包括：将第一待分类图像分别输入所述分类模型的第一注意力提取网络，得到所述第一待分类图像的第一注意力提取结果；将第一待分类图像分别输入所述分类模型的第二注意力提取网络，得到所述第一待分类图像的第二注意力提取结果；将第一待分类图像分别输入所述分类模型的第三注意力提取网络，得到所述第一待分类图像的第三注意力提取结果；将第一待分类图像分别输入所述分类模型的第四注意力提取网络，得到所述第一待分类图像的第四注意力提取结果。
[0010]该技术方案的有益效果在于：将第一待分类图像分别输入四个注意力提取网络，得到四个注意力提取结果，将四个注意力提取结果用于待分类图像的分类，所得到的第一待分类图像对应的分类结果更准确。
[0011]在一些可选的实施例中，所述第一注意力提取网络是SE_ResNeXt50，所述第二注意力提取网络是SE_ResNeXt101，所述第三注意力提取网络是SENet154，所述第四注意力提取网络是DenseNet201。
[0012]该技术方案的有益效果在于：利用上述第一注意力提取网络至第四注意力提取网络，可以发现待分类图像的细微差异的区域，进而促进分类模型实现更加准确的图像分类。
[0013]在一些可选的实施例中，所述方法还包括以下步骤：将第i待分类图像分别输入所述分类模型的多个注意力提取网络，得到所述第i待分类图像的多个注意力提取结果；所述第i待分类图像的获取方式是以下任意一种：所述第i待分类图像和所述第一待分类图像是拍摄同一株植物获得的；所述第i待分类图像是对所述第一待分类图像进行数据增强得到的；其中，i为整数，1＜i≤N，N是大于1的整数；对所述第i待分类图像的多个注意力提取结果进行加权融合，以获得所述第i待分类图像的注意力融合结果；将所述第i待分类图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述第i待分类图像所对应的植物疾病类别的分类信息；基于所述第一待分类图像至所述第N待分类图像对应的植物疾病类别，确定所述第一待分类图像对应的最终植物疾病类别。
[0014]该技术方案的有益效果在于：基于所述第一待分类图像至所述第N待分类图像对应的植物疾病类别，确定所述第一待分类图像对应的最终植物疾病类别，所确定的最终植物疾病类别更准确。
[0015]在一些可选的实施例中，当N＝4时，所述第二待分类图像至所述第N待分类图像的获取过程包括以下步骤：对所述第一待分类图像进行随机裁剪，以获得第二待分类图像；对所述第一待分类图像进行随机裁剪和水平翻转，以获得第三待分类图像；对所述第一待分类图像进行随机裁剪和垂直翻转，以获得第四待分类图像。
[0016]该技术方案的有益效果在于：通过对第一待分类图像进行随机裁剪、水平翻转和垂直翻转中的一种或多种处理得到第一待分类图像至第四待分类图像，实现数据增广的目地，所获得的最终植物疾病类别更准确。
[0017]在一些可选的实施例中，N＝2或3，所述第i待分类图像和所述第一待分类图像是拍摄同一株植物的全部或者局部得到的，所述同一株植物是木薯。
[0018]该技术方案的有益效果在于：对同一株木薯的多个待分类图片分别输入分类模型的多个注意力提取网络，得到多个待分类图像对应的植物疾病类别，基于多个待分类图像
对应的植物疾病类别，所获得的木薯的最终植物疾病类别更准确。
[0019]在一些可选的实施例中，所述分类模型的训练过程如下：获取训练图像以及指示所述训练图像所对应的植物疾病的标注类别的标注信息；将所述训练图像分别输入所述分类模型的多个注意力提取网络，以获得所述训练图像的多个注意力提取结果；对所述训练图像的多个注意力提取结果进行加权融合，以获得所述训练图像的注意力融合结果；将所述训练图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述训练图像所对应的植物疾病的预测类别的分类信息；利用所述训练图像的分类信息和标注信息训练所述分类模型。
[0020]该技术方案的有益效果在于：先进行注意力提取，将训练集本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种植物疾病分类方法，其特征在于，所述方法包括：将第一待分类图像分别输入分类模型的多个注意力提取网络，以获得所述第一待分类图像的多个注意力提取结果；其中，所述第一待分类图像为拍摄一株植物获得的图像；对所述第一待分类图像的多个注意力提取结果进行加权融合，以获得所述第一待分类图像的注意力融合结果；将所述第一待分类图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述第一待分类图像所对应的植物疾病类别的分类信息。2.根据权利要求1所述的植物疾病分类方法，其特征在于，所述分类模型的多个注意力提取网络包括第一注意力提取网络至第四注意力提取网络；所述将第一待分类图像分别输入分类模型的多个注意力提取网络，得到所述第一待分类图像的多个注意力提取结果，包括：将第一待分类图像分别输入所述分类模型的第一注意力提取网络，得到所述第一待分类图像的第一注意力提取结果；将第一待分类图像分别输入所述分类模型的第二注意力提取网络，得到所述第一待分类图像的第二注意力提取结果；将第一待分类图像分别输入所述分类模型的第三注意力提取网络，得到所述第一待分类图像的第三注意力提取结果；将第一待分类图像分别输入所述分类模型的第四注意力提取网络，得到所述第一待分类图像的第四注意力提取结果。3.根据权利要求2所述的植物疾病分类方法，其特征在于，所述第一注意力提取网络是SE_ResNeXt50，所述第二注意力提取网络是SE_ResNeXt101，所述第三注意力提取网络是SENet154，所述第四注意力提取网络是DenseNet201。4.根据权利要求1所述的植物疾病分类方法，其特征在于，还包括以下步骤：将第i待分类图像分别输入所述分类模型的多个注意力提取网络，得到所述第i待分类图像的多个注意力提取结果；所述第i待分类图像的获取方式是以下任意一种：所述第i待分类图像和所述第一待分类图像是拍摄同一株植物获得的；所述第i待分类图像是对所述第一待分类图像进行数据增强得到的；其中，i为整数，1＜i≤N，N是大于1的整数；对所述第i待分类图像的多个注意力提取结果进行加权融合，以获得所述第i待分类图像的注意力融合结果；将所述第i待分类图像及其注意力融合结果输入所述分类模型的分类网络，以获得指示所述第i待分类图像所对应的植物疾病类别的分类信息；基于所述第一待分类图像至所述第N待分类图像对应的植物疾病类别，确定所述第一待分类图像对应的最终植物疾病类别。5.根据权利要求4所述的植物疾病分类方法，其特征在于，当N＝4时，所述第二待分类图像至所述第N待分类图像的获取过程包括以下步骤：对所述第一待分类图像进行随机裁剪，以获得第二待分类图像；对所述第一待分类图像进行随机裁剪和水平翻转，以获得第三待分类图像；对所述第一待分类图像进行随机裁剪和...
【专利技术属性】
技术研发人员：陈海波，罗志鹏，牛康宁，
申请(专利权)人：深延科技北京有限公司，
类型：发明
国别省市：
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。