一种油茶细粒度病害检测方法、装置、介质及移动设备制造方法及图纸

本发明专利技术涉及一种油茶细粒度病害检测方法、装置、介质及移动设备，所述方法包括：将采集的油茶叶片图像输入到深度学习模型中，深度学习模型包括粗提取网络、骨干网络以及分类网络；基于粗提取网络提取油茶叶片图像的第一特征图；所述骨干网络包括级联的至少两个模型基本单元，模型基本单元提取第一特征图的多层第二特征图并进行融合得到融合后的特征图，再基于注意力机制对融合后的特征图进行强化处理，得到带有注意力信息的融合特征图；利用分类网络对所述带有注意力信息的融合特征图进行处理，得到油茶细粒度病害的分类结果。本方案能够提高复杂环境下油茶病害，尤其是具有相近特征的病害的分辨能力，减少模型参数量和计算量，便于移动端移植。于移动端移植。于移动端移植。

【技术实现步骤摘要】
一种油茶细粒度病害检测方法、装置、介质及移动设备


[0001]本专利技术涉及油茶病害防护及计算机视觉处理
，尤其是涉及一种油茶细粒度病害检测方法、装置、介质及移动设备。

技术介绍

[0002]油茶属常绿小乔木，世界四大木本油料树种之一，是我国特有的、优质多年生油料木本植物，主要集中在我国南方种植，现有栽培面积约360万公顷，年产茶27万吨，油茶茶籽及其副产品经济价值极高，在国际市场拥有较大的竞争力。但是我国油茶产业由于良种造林比例小，老残林比重高，病虫害肆虐。据记载我国油茶病虫害种类高达290种，其中危害较重的病害主要有炭疽病、软腐病、赤斑病、茶饼病等。这些病症多发生在植物叶片部位，对于植物危害大且人工分辨成本高，不及时采取措施易引发大面积植株感染，严重影响油茶品质与产量，给果农带来巨大的经济损失。因此，及时准确的发现并识别出油茶病害种类极其重要，实现对油茶病害准确的监测不仅有利于病害的防控，也对油茶产业健康稳定发展有着至关重要的作用。
[0003]由于对油茶品质和产量影响较大的病害大多发生在植物叶片部位，难以人工辨别。相关技术已本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油茶细粒度病害检测方法，其特征在于，所述方法包括：将采集的油茶叶片图像输入到深度学习模型中，所述深度学习模型包括粗提取网络、骨干网络以及分类网络；基于所述粗提取网络提取所述油茶叶片图像的第一特征图；所述骨干网络包括级联的至少两个模型基本单元，所述模型基本单元提取所述第一特征图的多层第二特征图并进行融合得到融合后的特征图，再基于注意力机制对所述融合后的特征图进行强化处理，得到带有注意力信息的融合特征图；利用所述分类网络对所述带有注意力信息的融合特征图进行处理，得到油茶细粒度病害的分类结果。2.根据权利要求1所述的油茶细粒度病害检测方法，其特征在于，所述基于注意力机制对所述融合后的特征图进行强化处理，得到带有注意力信息的融合特征图，包括：计算所述融合后的特征图的通道系数和空间系数，并将所述通道系数和所述空间系数进行叠加，再与所述融合后的特征图相乘，得到带有注意力信息的融合特征图。3.根据权利要求1所述的油茶细粒度病害检测方法，其特征在于，所述方法还包括：构建及训练所述深度学习模型的步骤。4.根据权利要求3所述的油茶细粒度病害检测方法，其特征在于，所述构建及训练所述深度学习模型的步骤，包括：采集油茶叶片图像，以构建油茶细粒度病害数据集；对所述深度学习模型的粗提取网络、骨干网络以及分类网络的网络参数进行初始化；利用所述油茶细粒度病害数据集对所述深度学习模型进行训练，调整所述网络参数，直至检测精度达到预设要求或者设定的训练次数。5.根据权利要求4所述的油茶细粒度病害检测方法，其特征在于，所述采集的油茶叶片图像为以被拍摄病...

【专利技术属性】
技术研发人员：陈志泊，陈伊鑫，王溪云，孙烨，蒋佳榕，刘旭豪，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：