一种农作物病害识别方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种农作物病害识别方法、系统、装置和存储介质，其中方法包括：获取农作物病害数据集，对数据集进行预处理和数据扩增，得到预处理后的数据集；构建病害识别模型，采用获得的数据集对所述病害识别模型进行训练，将训练后的模型用于农作物病害识别；其中，所述病害识别模型以CSPResNet50作为主干网络，并将主干网络中的残差块用金字塔卷积替代其中的3

【技术实现步骤摘要】
一种农作物病害识别方法、系统、装置和存储介质


[0001]本专利技术涉及农作物病害图像识别
，尤其涉及一种农作物病害识别方法、系统、装置和存储介质。

技术介绍

[0002]在传统的农业生产实践过程中，由于社会基层农技人员的流失和农民缺乏相关的专业知识，农民对农作物病害主要根据经验通过肉眼观察，随后做出主观判断，但这种方法收效甚微，无法做出精准判断，极易造成化学农药的滥用，进而严重影响农作物的质量和产出，造成经济损失和不必要的环境污染。
[0003]传统的农作物病害图像识别过程主要包括4部分。首先是图像的预处理，包括图片的尺寸缩放、去噪和直方图均衡化等；接着是对图像的分割，以去除图像中与病斑识别无关的信息；然后是进行特征提取，通过一系列的算法来提取农作物病害图像中的纹理，颜色和形状特征；最后通过支持向量机、K近邻、贝叶斯分类和K
‑
means等机器学习算法进行病害分类。但这种方法依然存在着诸多弊端：首先图像的预处理过程非常的耗时；再者，其农作物病害特征提取绝大部分依赖于人工干预，不能保证病害特征的准确度；最后传统的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物病害识别方法，其特征在于，包括以下步骤：获取农作物病害数据集，对数据集进行预处理和数据扩增，得到预处理后的数据集；构建病害识别模型，采用获得的数据集对所述病害识别模型进行训练，将训练后的模型用于农作物病害识别；其中，所述病害识别模型以CSPResNet50作为主干网络，并将主干网络中的残差块用金字塔卷积替代其中的3
×
3卷积；在主干网络的残差块中，添加注意力机制模块。2.根据权利要求1所述的一种农作物病害识别方法，其特征在于，所述对数据集进行预处理和数据扩增，包括：对数据集中的图像进行随机裁剪、随机水平翻转、随机旋转或者随机擦除；对数据集中的图像进行归一化处理，训练过程中将输入图片的大小统一调整为224
×
224。3.根据权利要求1所述的一种农作物病害识别方法，其特征在于，所述金字塔卷积由S组不同大小的卷积核构成，并且使用分组卷积来减少计算量，具体的计算过程表达式如下所示：X
i
＝Split
S
(X)k
i
＝2(i+1)+1＝2(i+1)+1F＝Concat(F0,F1,
…
,F
S
‑1)其中，i＝0,1,2,
…
,S
‑
1，X∈R
C
×
H
×
W
表示输入特征图，Split
S
表示将输入特征图按通道维度均匀划分为S组，X
i
∈R
C
′×
H
×
W
表示经划分后的输入特征图，其中k
i
表示第i组卷积核的大小，G
i
为卷积核大小为k
i
的卷积分组数，表示大小为k
i
，分组数为G
i
的卷积核，F
i
∈R
C
′×
H
×
W
表示经卷积核大小为k
i
运算后的特征图，Concat表示特征拼接操作，F∈R
C
×
H
×
W
表示经金字塔卷积后的输出特征图。4.根据权利要求1所述的一种农作物病害识别方法，其特征在于，所述注意力机制模块，在不引入额外参数量的情况下，采用通道注意力单元以建立特征图通道间的依赖关系，采用空间注意力单元以建立像素点之间的相关性，并对输入特征图进行通道维度上的分组，分成多个子特征图，具体的计算过程表达式如下所示：X
k
＝Split
G
(X)(X
k1
,X
k2
)＝Split2(X
k
)X
′
k1
＝U
CA
(X
k1
)X
′
k2
＝U
SA
(X
k2
)X
′
k
＝...

【专利技术属性】
技术研发人员：熊静远，史景伦，王鹏，
申请(专利权)人：广东微步智能科技有限公司，
类型：发明
国别省市：