融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法技术

本发明专利技术涉及人工智能技术，揭露了一种融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，包括：构建农作物叶片的历史病害图像对应的热力图，并去除所述热力图中的背景信息，得到前置病害图像；分别将所述前置病害图像映射至不同的颜色空间进行图像处理，并对处理后的图像进行图像合并及形态学处理，得到标准病斑图像；提取出所述标准病斑图像中的特征数据集，并利用所述特征数据集训练由融合了空间注意力机制模块和ghost模块的MobileNetV2构建的病害识别模型，利用所述病害识别模型识别待识别叶片图像的叶片病害。本发明专利技术可以解决农作物病害识别的准确度较低的问题。问题。问题。

【技术实现步骤摘要】
融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法


[0001]本专利技术涉及人工智能
，尤其涉及一种融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法。

技术介绍

[0002]我国是农业大国，农业发展是我国发展的重中之重。农业发展经常受天气，虫灾及其他环境病害的影响，进而导致农业产量受损。因此能够在农作物病害爆发之际，实时有效地检测出农作物病害的类别和严重程度就成为农业工作的亟待解决的问题。
[0003]现有的针对农业中农作物的病害识别方法可以通过高光谱遥感技术，但是这种方法的可识别病虫害种类相对较为单一，多用于林业生产中，并且高光谱遥感技术通常被运用于大尺度的场景下，对于小范围的病虫害发病，不能很好地识别检测出来。因此病害识别的准确度较低。

技术实现思路

[0004]本专利技术提供一种融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，其主要目的在于解决农作物病害识别的准确度较低的问题。
[0005]为实现上述目的，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，其特征在于，所述方法包括：获取多张农作物叶片的历史病害图像，构建所述历史病害图像对应的热力图，并对所述热力图进行背景信息去除处理，得到前置病害图像；将所述前置病害图像变换至HIS颜色空间，得到第一映射图像，去除所述第一映射图像中的预设颜色区域，得到筛选病害图像；将所述前置病害图像映射至Lab颜色空间，得到第二映射图像，基于预设的分割算法对所述第二映射图像进行图像分割，得到分割区域图像；将所述筛选病害图像和所述分割区域图像进行图像合并，并对图像合并后的图像进行形态学处理，得到标准病斑图像；以预设的MobileNetV2作为主干网络，并在所述主干网络上添加空间注意力机制模块和ghost模块，得到初始病害识别模型；分别提取所述标准病斑图像中的颜色特征、纹理特征及形状特征并汇总为特征数据集，利用所述特征数据集对所述初始病害识别模型进行训练，得到标准病害识别模型；获取待识别叶片图像，将所述待识别叶片图像输入至所述标准病害识别模型中，得到所述待识别叶片图像的叶片病害分类结果。2.如权利要求1所述的融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，其特征在于，所述构建所述历史病害图像对应的热力图，包括：将所述历史病害图像裁剪为预设大小的初始病害图像；识别出所述初始病害图像的四个顶点，并计算所述初始病害图像的四个顶点的热力值信息，得到基本热力值；基于所述基本热力值对所述初始病害图像进行双线性插值处理，得到所述初始病害图像中多个像素点的像素热力值；根据多个像素点的像素热力值绘制所述历史病害图像对应的热力图。3.如权利要求2所述的融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，其特征在于，所述根据多个像素点的像素热力值绘制所述历史病害图像对应的热力图，包括：将多个所述像素点的像素热力值映射至预设的直角坐标系上，得到像素热力图；对所述像素热力图进行分块，得到多个分块热力图；计算多个所述分块热力图的权重因子，将所述权重因子小于预设权重阈值的分块热力图执行删除处理，并保留所述权重因子大于所述预设权重阈值的分块热力图，得到所述历史病害图像对应的热力图。4.如权利要求1所述的融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法，其特征在于，所述将所...

【专利技术属性】
技术研发人员：董琴，黄乾峰，王昕，陈瑾，
申请(专利权)人：云火科技盐城有限公司，
类型：发明
国别省市：