一种芥蓝成熟度识别方法技术

本发明专利技术公开了一种芥蓝成熟度识别方法，包括以下步骤：S1：模型搭建和模型训练；S101：首先进行采集图像，通过使用两台设备进行采集，然后将采集来的图像进行标签分类；旨在利用两台设备不同的摄影策略获得更有多样性的芥蓝图像从而增强卷积网络的鲁棒性；S102：然后标签分类后的图像进行传输到改进神经网络中，然后再改进卷积神经网络注意力机制，通过修改原EfficientNetv2中的SE注意力模块。本发明专利技术结构简单，使用方便，能够在参数量尽可能少的情况下对果蔬成熟度进行特征提取，本发明专利技术仅作为分类网络有极高的分类准确率，并且可作为主干特征提取网络嵌入YOLO系列目标检测算法为其提供特征信息，在果蔬采摘任务中提高效率解放劳动力。动力。动力。

【技术实现步骤摘要】
一种芥蓝成熟度识别方法


[0001]本专利技术涉及一种轻量级深度学习网络框架的分类
，具体为一种芥蓝成熟度识别方法。

技术介绍

[0002]近年来，作物成熟度与类别检测分类的自动化引起了广泛研究，方法包括Transfomer、机器学习和深度学习。
[0003]在中国专利“茶叶成熟度检测方法、茶叶采摘方法及相关设备”，其专利号为“CN114049574B”，该专利中利用基于Transfomer的图像分类算法实现了对成熟茶叶的定位，但是transfomer算法在训练时需要大量的数据集，因此训练成本颇高。
[0004]在中国专利“一种基于机器视觉的壳莲成熟度检测设备及检测方法”，其专利号为“CN114192425A”，该专利中提供了一种基于机器视觉的壳莲成熟度检测设备设有一视觉系统包含快速的检测壳莲成熟度图像处理算法，从而减少对人力的依赖。
[0005]在中国专利“基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法”，其专利号为“CN114169618A”，该专利中提出了一种基于应用经验判断法确定猕猴桃成熟度标签的机器视觉学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芥蓝成熟度识别方法，其特征在于，包括以下步骤：S1：模型搭建和模型训练；S101：首先进行采集图像，通过使用两台设备进行采集，然后将采集来的图像进行标签分类；S102：然后标签分类后的图像进行传输到改进神经网络中，然后再改进卷积神经网络注意力机制，通过修改原EfficientNetv2中的SE注意力模块，在仅有全局平均池化的加入全局最大池化，强化卷积网络对小特征的学习，并在此基础上并联接入坐标注意力机制；S103：在S102的基础上对改进后的SE注意力模块并联接入坐标注意力机制，同时施加通道权重与坐标权重；S104：采用预训练权重为EfficientNetv2网络先在ImageNet21K数据集上预训练，再在ImageNet1K数据集上Finetuned后的权重；S105：基于S104的预训练权重利用采集到的图像对网络进行训练，使用反向传播算法对网络参数进行调节；S2:分类应用阶段；S201；通过搭建神经网络，然后进行迁徙学习，再进行下一步的训练神经网络；S202：然后将S101中采集来的图像进行指定标签进行分类，通过上述搭建的模型和神经网络进行类别学习，通过学习花蕊的特征，以及注意力加强特征学习，再通过对各特征进行参数分类；S203:对S202中的分类数据进行整合，然后将成熟度信息进行制备表格进行反馈。2.根据权利要求1所述的一种芥蓝成熟度识别方法，其特征在于：所述S...

【专利技术属性】
技术研发人员：刘芹，张琰，陆美莲，
申请(专利权)人：仲恺农业工程学院，
类型：发明
国别省市：