【技术实现步骤摘要】
一种基于分裂注意力残差网络的小麦植株识别方法
[0001]本专利技术涉及智慧农业
,特别涉及一种基于分裂注意力残差网络的小麦植株识别方法。
技术介绍
[0002]小麦作为我国的主要粮食作物,其产量对国家粮食安全有着重要的影响。小麦产量很大因素取决于小麦品种,假冒种子在市场上屡见不鲜。如何高效快捷保证种植者权益成为亟待解决的问题。
[0003]随着农业生产机械化和信息化水平的不断提高,根据品种植株特征之间的差距,基于无人机拍摄小麦田图像结合计算机视觉技术,使得解决小米植株品种的识别问题成为可能。由于各小麦品种植株之间差异不大而无人机拍摄面积过大,更加缩小植株间的差距,对较小视觉特征进行识别的困难较大,因此在大田环境下对小麦植株品种识别的报道较少;为此,提出一种基于分裂注意力残差网络的小麦植株识别方法。
技术实现思路
[0004]有鉴于此,本专利技术实施例希望提供一种基于分裂注意力残差网络的小麦植株识别方法,以解决或缓解现有技术中存在的技术问题,至少提供一种有益的选择。
[0005]本专利技术实施例的技术方案是这样实现的:一种基于分裂注意力残差网络的小麦植株识别方法,包括以下步骤:训练基于卷积神经网络的神经网络模型S
‑
Res2Net;通过无人机拍摄获取小麦植株图片;将获取到的小麦植株图片输入神经网络模型S
‑
Res2Net中,神经网络模型S
‑
Res2Net对小麦植株图片按品种进行分类;对分类后的小麦植株图片截取中下方区域部分并 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于分裂注意力残差网络的小麦植株识别方法,其特征在于,包括以下步骤:训练基于卷积神经网络的神经网络模型S
‑
Res2Net;通过无人机拍摄获取小麦植株图片;将获取到的小麦植株图片输入神经网络模型S
‑
Res2Net中,神经网络模型S
‑
Res2Net对小麦植株图片按品种进行分类;对分类后的小麦植株图片截取中下方区域部分并保存;所述神经网络模型S
‑
Res2Net训练时,包括以下步骤:收集无人机拍摄的小麦田植株图片,针对图片特性,对图片中下方裁剪图片最清晰、特征最明显的区域带入改进的分裂注意力残差网络进行训练。2.根据权利要求1所述的一种基于分裂注意力残差网络的小麦植株识别方法,其特征在于:所述神经网络模型S
‑
Res2Net网络流程由一个Stem、三个S
‑
ResNet
‑
A模块、一个S
‑
Res2Net模块、五个S
‑
ResNet
‑
B模块、一个S
‑
Res2Net模块、三个S
‑
ResNet
‑
C模块和Maxpooling层构成。3.根据权利要求2所述的一种基于分裂注意力残差网络的小麦植株识别方法,其特征在于:所述Stem分为四部分,其中:第一部分由3x3和5x5卷积层串联组成;第二部分为两路操作,一路为3x3的平均池化操作,一路为3x3卷积操作,将两路结果结合;第三部分将网络分为四路,一路为未处理直接输出,一路为经过3x3和1x1串联卷积层输出,一路为经过1x1、5x1、1x5和5x5串联的卷积层输出,一路为R2N
‑
mod模块,然后将四路输出结合;最后一部分与第二部分的两路操作相同。4.根据权利要求2所述的一种基于分裂注意力残差网络的小麦植株识别方法,其特征在于:所述S
‑
ResNet
‑
A模块分为4个分支,其中:第1分支、未经处理直接输出;第2分支、经过一次1x1的卷积处理;第3分支、经过一次1x1的卷积处理和一次3x3卷积处理;第4分支、经过一次1x1的卷积处理和两次3x3的卷积处理;S
‑
ResNet
‑
A模块输出时:先将第2、3、4分支输出进行结合然后经过一个Split
‑
Attention模块处理,最后与第1分支输出进行结合然后经过Split
‑
Attention模块输出;S
‑
ResNet
‑
B模块分为4个分支,其中:第1分支、未经处理直接输出;第2分支、经过一次1x1的卷积处理;第3分支、经过一次1x1的卷积处理和一次3x3卷积处理;第4分支经过一次1x5和5x1的卷积处理;S
‑
ResNet
‑
B模块输出时:先将第2、3分支输出进行结合然后经过一个1x1卷积处理,最后与第1、4分支输出进行结合然后经过Split
‑
技术研发人员:牛太阳,马朝硕,刘文龙,
申请(专利权)人:中化现代农业有限公司,
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。