一种对葡萄叶小病斑进行分割的U型感知轻量级Transformer方法技术

本发明专利技术属于农业信息技术领域，特别涉及一种对葡萄叶小病斑进行分割的U型感知轻量级Transformer方法。采用轻量级卷积神经网络MobileNetV2，通过U型金字塔下采样提取多尺度特征信息；通过上下文感知增强模块提取低频全局特征和高频局部特征图；引入令牌聚合策略，减少低频和高频特征直接聚合所带来的细节信息损失；聚合后的令牌直接传输给轻量级分割头，实施分割任务。应用本发明专利技术可以实现效率与速度均衡以解决自然田间复杂背景中葡萄叶小病斑分割问题。病斑分割问题。病斑分割问题。

【技术实现步骤摘要】
一种对葡萄叶小病斑进行分割的U型感知轻量级Transformer方法


[0001]本专利技术属于农业信息
，特别涉及一种对葡萄叶小病斑进行分割的U型感知轻量级Transformer方法。

技术介绍

[0002]葡萄叶病斑是导致葡萄种植减产和质量下降的主要因素之一。而且，葡萄叶病斑可以将真菌迅速传播到整个种植园，并引发整个田地的流行病。通过给每个像素分配标签来快速了解疾病的分布，轻量级分割模型有助于快速诊断和监测叶片上的疾病趋势，通过有针对性的管理措施提高治疗效率，降低治疗成本。然而，重量级模型对这些需要及时分割的快速传播的植物病害并不友好，而且很难部署到资源有限的硬件设备上。为了提升分割效率，分割模型需要设计得准确、轻量化和快速。
[0003](1)卷积神经网络
[0004]轻量级视觉任务已被卷积神经网络(CNN)压倒性地主导。固有的归纳偏差和权重共享特性使得模型可以用较少的参数表征学习。然而，它们存在一些限制其性能的问题：1、CNN的局部连接性通常会阻止对长期依赖关系的建模，从而忽略了复杂背景中细粒度的语义信息。2、固定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对葡萄叶小病斑进行分割的U型感知轻量级Transformer方法，其特征在于，采用轻量级卷积神经网络MobileNetV2，通过U型金字塔下采样提取多尺度特征信息；通过上下文感知增强模块提取低频全局特征和高频局部特征图；引入令牌聚合策略，减少低频和高频特征直接聚合所带来的细节信息损失；聚合后的令牌直接传输给轻量级分割头，实施分割任务。2.根据权利要求1所述的方法，其特征在于，所述U型金字塔采用MobileNetV2提取特征信息，并利用平均池化算子，将原始令牌的分辨率降低，沿通道维度将不同尺度的标记拼接起来，生成新的标记，这些新的令牌被用作上下文感知增强模块的输入。3.根据权利要求1所述方法，其特征在于，所述上下文感知增强模块包括原型感知分支和像素感知广播分支。4.根据权利要求3所述的原型感知分支，其特征在于，对K和V进行降采样，卷积层沿着空间维度在标记之间交换信息，非线性激活层被RELU6与GELU取代，每个卷积中附加批量归一化，令牌中的细粒度语义信息被Transformer的残差映射所包容。5.根据权利要...

【专利技术属性】
技术研发人员：穆维松，张馨心，郑海颖，范梦杨，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：