【技术实现步骤摘要】
一种轻量化植物病虫害目标检测模型的构建和训练方法
[0001]本专利技术属于计算机视觉
，具体来说是涉及一种基于知识蒸馏的轻量化植物病虫害目标检测模型的构建和训练方法。
技术介绍
[0002]植物病虫害治理是农业生产中的重要一环，及时发现植物病虫害能够大大提升治理效果，同时能显著降低治理成本。传统的植物病虫害检测方法主要依靠人工检测，这种方法具有主观性，而且需要检测者具备较高的专业知识和丰富的经验。
[0003]随着人工智能和计算机视觉技术的发展，许多解决方案被提出，其中最主流的方法之一是利用计算机视觉中的分类及目标检测任务对植物病虫害进行检测。现有的视觉分类任务在充足的标注样本下能够获得较高的检测精度，但由于分类模型自身的局限性难以在大规模农田中应用。此外，对于现有的使用目标检测对植物病虫害进行识别的模型而言，模型的参数量较大，检测精度和时间互逆，并且对硬件性能要求比较高。虽然目标检测相比分类更具实践难度，但更符合现实农业生产环境的要求。
[0004]近年来虽然有许多公共植物病虫害图像数据集问世，但适...
【技术保护点】
【技术特征摘要】
1.一种轻量化植物病虫害目标检测模型的构建和训练方法，包括以下步骤：S1数据集增强：整合现有数据集，进行数据增强；S2搭建知识提取模块：搭建用于从特征图中提取知识的模块；S3嵌入知识提取模块：将检测精度优秀的目标检测模型作为知识蒸馏所需的教师模型，将S2中提取知识模块预置于教师模型的颈部输出部分；S4训练教师模型和生成数据集：利用教师模型生成植物病虫害分类数据集的目标检测标签；S5搭建学生模型：在学生模型的颈部输出部分预置S2中的提取知识模块，嫁接教师模型的颈部与检测头给学生模型，构建学生模型检测输出与标签的损失函数，固定学生模型的检测头；S6准备蒸馏训练：固定教师模型参数，开启预置S2中提取知识模块，构建以在S2与S5中预置提取知识模块提取到的知识为输入的损失函数；S7计算蒸馏损失：将S3和S5中预置的提取知识模块提取到的教师模型和学生模型的非检测头知识传入S6中的损失函数，计算蒸馏损失；S8计算总损失及反向传播：将S1和S4中生成的数据集整合作为训练数据，将学生模型检测头的输出与标签传入S5中的损失函数，求这部分损失与S7中的蒸馏损失加权和，以此进行反向传播和参数更新，当模型指标达预期时停止训练，否则返回S8。2.如权利要求1所述的一种轻量化植物病虫害目标检测模型的构建和训练方法，其中S2搭建知识提取模块的方法包括：对特征图进行通道平均、再乘以宽高即可获取空间注意力掩码搭建空间注意力提取模块，对特征图进行宽高平均、再乘以通道数即可获取通道注意力掩码搭建通道注意力提取模块，和利用标签定位区分前背景生成“01”二值掩码搭建分离前背景模块...
【专利技术属性】
技术研发人员：王崎，黄前顶，丁慧敏，吴雪，陈玉玲，
申请(专利权)人：贵州大学，
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。