本发明专利技术属于图像处理技术领域，公开了一种农作物病虫害检测方法、装置、设备及存储介质。该方法包括：获取第一农作物图像；将所述第一农作物图像输入至目标注意力卷积神经网络，输出所述第一农作物图像的病虫害检测结果，其中，所述目标注意力卷积神经网络包括依次连接的输入层、卷积层、注意力模块、对抗模块、全连接层以及输出层，所述注意力模块用于根据特征图生成所述第一农作物图像的加权特征图，所述对抗模块用于生成对抗样本集，所述对抗样本集用于训练初始注意力卷积神经网络得到目标注意力卷积神经网络。通过上述方式，能够直接根据农作物图像检测出农作物的病虫害检测结果。据农作物图像检测出农作物的病虫害检测结果。据农作物图像检测出农作物的病虫害检测结果。
【技术实现步骤摘要】
农作物病虫害检测方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种农作物病虫害检测方法、装置、设备及存储介质。
技术介绍
[0002]病虫害防治是作物生产管理中的一个重要任务，而防治的前提是及时检测到病虫害发生。传统的农作物检测病虫害方式通常为人工作业，完全取决于人对农作物的主观经验，但是随着当今农业的发展，农场化的种植方式越来越被普及，在耕地面积增长的情况下，采用人工作业会造成整体检测的效率偏低。
技术实现思路
[0003]本专利技术的主要目的在于提供一种农作物病虫害检测方法、装置、设备及存储介质，旨在解决现有技术采用人工检测农作物病虫害造成农作物整体检测效率低的技术问题。
[0004]为实现上述目的，本专利技术提供了一种农作物病虫害检测方法，所述方法包括以下步骤：
[0005]获取第一农作物图像；
[0006]将所述第一农作物图像输入至目标注意力卷积神经网络，输出所述第一农作物图像的病虫害检测结果，其中，所述目标注意力卷积神经网络包括依次连接的输入层、卷积层、注意力模块、对抗模块、全连接层以及输出层，所述注意力模块用于根据特征图生成所述第一农作物图像的加权特征图，所述对抗模块用于生成对抗样本集，所述对抗样本集用于训练初始注意力卷积神经网络得到目标注意力卷积神经网络。
[0007]可选地，所述将所述第一农作物图像输入至目标注意力卷积神经网络之前，还包括：
[0008]获取第二农作物图像；
[0009]对所述第二农作物图像进行预处理操作，得到真实样本集；
[0010]基于所述真实样本集，对初始注意力卷积神经网络中的初始对抗模块进行训练，生成所述对抗模块；
[0011]通过所述对抗模块生成对抗样本集；
[0012]基于所述真实样本集以及所述对抗样本集，对初始注意力卷积神经网络进行训练，得到目标注意力卷积神经网络。
[0013]可选地，所述通过所述对抗模块生成对抗样本集，包括：
[0014]从所述真实样本集中确定随机真实样本，并通过所述对抗模块确定所述随机真实样本对应的随机初始对抗样本；
[0015]确定所述随机真实样本与所述随机初始对抗样本的距离度量；
[0016]根据所述距离度量确定所述对抗模块的当前性能表现；
[0017]基于所述当前性能表现以及所述随机真实样本，确定所述随机真实样本的随机对
抗样本，以确定所述真实样本集对应的对抗样本集。
[0018]可选地，所述初始对抗模块包括生成器和判别器；其中，
[0019]所述基于所述真实样本集，对初始注意力卷积神经网络中的初始对抗模块进行训练，生成所述对抗模块，包括：
[0020]S201、初始化所述初始对抗模块中的生成器参数，以及初始化所述初始对抗模块中的判别器参数；
[0021]S202、确定噪声样本集，并将所述噪声样本集输入至所述生成器中，得到模拟样本集；
[0022]S203、将所述模拟样本集以及所述真实样本集输入到所述判别器中，输出第一判别结果，并根据所述第一判别结果更新所述判别器的判别器参数；
[0023]S204、从所述模拟样本集中确定随机模拟样本，将所述随机模拟样本输入至所述判别器中，得到第二判别结果，并根据所述第二判别结果更新所述生成器的生成器参数；
[0024]S205、判断所述第二判别结果是否为预设值；
[0025]S206、若判定所述第二判别结果不为预设值时，根据所述第二判别结果更新步骤S202中生成器的生成器参数，以及根据所述第一判别结果更新步骤S203中判别器的判别器参数之后，重复执行步骤S202
‑
S206，直至判定所述第二判别结果为预设值，生成对抗模块。
[0026]可选地，所述根据所述第一判别结果更新所述判别器的判别器参数，包括：
[0027]将所述第一判别结果输入判别器的对抗性正则化损失函数中，得到判别损失值；
[0028]根据所述判别损失值更新所述判别器的判别器参数；
[0029]所述根据所述第二判别结果更新所述的生成器的生成器参数，包括：
[0030]将所述第二判别结果输入生成器的对抗性正则化损失函数中，得到生成损失值；
[0031]根据所述生成损失值更新所述生成器的生成器参数。
[0032]可选地，所述确定噪声样本集，并将所述噪声样本集输入至所述生成器中，得到模拟样本集，包括；
[0033]确定噪声样本集，并确定所述噪声样本集对应的条件信息集，其中，所述噪声样本集中的噪声与条件信息集中的条件信息一一对应；
[0034]将所述噪声样本集以及所述条件信息集输入至所述生成器中，得到模拟样本集。
[0035]可选地，所述注意力模块为多头注意力模块，所述第一农作物图像的加权特征图为通过所述多头注意力模块将所述特征图通过线性变换得到查询表示、键表示以及值表示，根据所述查询表示、所述键表示以及所述值表示，生成各头的点积注意力，根据各头的点积注意力确定拼接点积注意力，将所述拼接点积注意力转化为拼接注意力矩阵，根据所述特征图以及所述拼接注意力矩阵生成的。
[0036]此外，为实现上述目的，本专利技术还提出一种农作物病虫害检测装置，所述农作物病虫害检测装置包括：
[0037]获取模块，用于获取第一农作物图像；
[0038]识别模块，用于将所述第一农作物图像输入至目标注意力卷积神经网络，输出所述第一农作物图像的病虫害检测结果，其中，所述目标注意力卷积神经网络包括依次连接的输入层、卷积层、注意力模块、对抗模块、全连接层以及输出层，所述注意力模块用于根据特征图生成所述第一农作物图像的加权特征图，所述对抗模块用于生成对抗样本集，所述
Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non
‑
Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0053]本领域技术人员可以理解，图1中示出的结构并不构成对农作物病虫害检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0054]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及农作物病虫害检测程序。
[0055]在图1所示的农作物病虫害检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本专利技术农作物病虫害检测设备中的处理器1001、存储器1005可以设置在农作物病虫害检测设备中，所述农作物病虫害检测设备通过处理器1001调用存储器1005中存储的农作物病虫害检测程序，并执行本专利技术实施例提供的农作物病虫害检测方法。
[0056]基于上述硬件结构，提出本专利技术农作物病虫害检测方法实施例。
[0057]参照图2，图2为本发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种农作物病虫害检测方法，其特征在于，所述农作物病虫害检测方法包括：获取第一农作物图像；将所述第一农作物图像输入至目标注意力卷积神经网络，输出所述第一农作物图像的病虫害检测结果，其中，所述目标注意力卷积神经网络包括依次连接的输入层、卷积层、注意力模块、对抗模块、全连接层以及输出层，所述注意力模块用于根据特征图生成所述第一农作物图像的加权特征图，所述对抗模块用于生成对抗样本集，所述对抗样本集用于训练初始注意力卷积神经网络得到目标注意力卷积神经网络。2.如权利要求1所述的方法，其特征在于，所述将所述第一农作物图像输入至目标注意力卷积神经网络之前，还包括：获取第二农作物图像；对所述第二农作物图像进行预处理操作，得到真实样本集；基于所述真实样本集，对初始注意力卷积神经网络中的初始对抗模块进行训练，生成所述对抗模块；通过所述对抗模块生成对抗样本集；基于所述真实样本集以及所述对抗样本集，对初始注意力卷积神经网络进行训练，得到目标注意力卷积神经网络。3.如权利要求2所述的方法，其特征在于，所述通过所述对抗模块生成对抗样本集，包括：从所述真实样本集中确定随机真实样本，并通过所述对抗模块确定所述随机真实样本对应的随机初始对抗样本；确定所述随机真实样本与所述随机初始对抗样本的距离度量；根据所述距离度量确定所述对抗模块的当前性能表现；基于所述当前性能表现以及所述随机真实样本，确定所述随机真实样本的随机对抗样本，以确定所述真实样本集对应的对抗样本集。4.如权利要求2所述的方法，其特征在于，所述初始对抗模块包括生成器和判别器；其中，所述基于所述真实样本集，对初始注意力卷积神经网络中的初始对抗模块进行训练，生成所述对抗模块，包括：S201、初始化所述初始对抗模块中的生成器参数，以及初始化所述初始对抗模块中的判别器参数；S202、确定噪声样本集，并将所述噪声样本集输入至所述生成器中，得到模拟样本集；S203、将所述模拟样本集以及所述真实样本集输入到所述判别器中，输出第一判别结果，并根据所述第一判别结果更新所述判别器的判别器参数；S204、从所述模拟样本集中确定随机模拟样本，将所述随机模拟样本输入至所述判别器中，得到第二判别结果，并根据所述第二判别结果更新所述生成器的生成器参数；S205、判断所述第二判别结果是否为预设值；S206、若判定所述第二判别结果不为预设值时，根据所述第二判别结果更新步骤S202中生成器的生成器参数，以及根据所述第一判别结果更新步骤S203中判别器的判别器参数之后，...
【专利技术属性】
技术研发人员：杜艾卿，郭峰林，张正林，刘沛，辛悦悦，
申请(专利权)人：武汉轻工大学，
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。