基于自注意力yolov5的农作物病虫害识别方法及系统技术方案

本发明专利技术公开了一种基于自注意力yolov5农作物病虫害识别方法，包括：利用Encoder

【技术实现步骤摘要】
基于自注意力yolov5的农作物病虫害识别方法及系统


[0001]本专利技术属于图像识别处理
，本专利技术涉及一种基于自注意力yolov5的农作物病虫害识别方法及系统。

技术介绍

[0002]农民的农作物病虫害专业知识普遍较低，遇到问题时首先依靠自身的经验，购买大量的农药进行喷洒，这样不仅不能达到预期的目标，反而会对食品安全产生影响，破坏环境，造成不必要的损失；其次农户还可以咨询农业领域的专家，虽然咨询农业专家识别病虫害的准确度较高，但专家咨询耗费时间，并且专家稀少难以全面覆盖；另外互联网查询的方法可能比较便捷，但碍于农业病虫害的数据库不够完善，农户与农业网上平台的互动较差，同时网上各个平台的质量参差不齐，一旦农户使用错误的农药不但不能控制病情，而且会进一步降低农产品的产量和品质。基于以上问题我们需要一种科学、快速、通用的方法来鉴别农作物病虫害，来让农户可以及时解除隐患安心种植。病虫害产生的原因和其表现的症状各不相同，由于叶子本身构造的特点，发生在作物叶片上的病害往往在颜色、纹理和形状上有细微或明显的差异，出现各种病斑形状。目前基于深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力yolov5的农作物病虫害识别方法，其特征在于，包括以下步骤：S01：采集得到不同农作物的不同病虫害类型与正常图像，构建农作物病虫害数据库；S02：对yolov5算法架构进行改进，利用Encoder
‑
Decoder架构取代yolov5算法中的Backbone部分的卷积神经网络，通过Encoder
‑
Decoder架构中的自注意力层和前馈网络层进行自注意力计算，生成病虫害的位置编码；S03：采用Neck网络对混合和组合图像特征进行融合，得到病虫害图像编码特征，并将病虫害图像编码特征传递到预测层；S04：利用Head网络对病虫害图像编码特征进行预测，生成边界框并预测类别。2.根据权利要求1所述的基于自注意力yolov5的农作物病虫害识别方法，其特征在于，所述步骤S02中对输入图像在自注意力计算之前在输入端进行图像数据增强、自适应锚框计算与自适应图片缩放。3.根据权利要求2所述的基于自注意力yolov5的农作物病虫害识别方法，其特征在于，所述步骤S02中对输入图像进行自注意力计算，包括：S21：获取输入图像的编码向量，创建三个向量：Query向量、Key向量和Value向量表示每个编码器输入向量；S22：通过输入图像的Query向量和需要评分图像的Key向量的点积计算注意力分数，并将每个分数除以Key向量的维度；S23：将分数进行归一化处理，使得它们都为正数并且和为1；S24：将每个分数分别与每个Value向量相乘并求和，得到了自注意力层在这个位置的输出，完成注意力计算。4.根据权利要求3所述的基于自注意力yolov5的农作物病虫害识别方法，其特征在于，所述Query向量、Key向量和Value向量具体向量表示如下：Query：Q＝X
·
W
Q
Key：K＝X
·
W
K
Value：V＝X
·
W
V
其中，X为输入图像的特征向量，W
Q
、W
K
、W
V
分别为Query向量Q、Key向量K和Value向量V的权重矩阵，其中，权重矩阵，其中，R为集合实数集，d为矩阵的行，d
q
、d
k
、d
v
为矩阵的列，Q、K、V三个向量的权重是可学习的，Q和K的输入维度相同；所述自注意力层在这个位置的输出5.一种基于自注意力yolov5的农作物病虫害识别系统，其特征在于，包括：农作物病虫害数据库构建模块，采集得到不同农作物的不同病虫害类型与正常...

【专利技术属性】
技术研发人员：孙国栋，朱海民，柯承康，何姝寒，马禹姣，王晨绪，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：