一种三七叶片病害辨识方法技术

本发明专利技术公开了一种三七叶片病害辨识方法，本发明专利技术将MobileNetV2作为特征提取网络对样本数据进行特征提取，提取的浅层特征与ECA通道注意力机制结合，以增强浅层特征对于边缘细节的关注，使其更好地聚焦于边缘位置上；提取的深层特征输入至基于窗口注意力机制的空洞空间金字塔池化模块(WA‑ASPP)对数据进行进一步提取，以获得不用尺度和层次的特征信息，可以更全面地理解和分析图像，从而提高模型的性能和泛化能力；将融合后的深层特征图与浅层特征图进行拼接，最后输出最终的预测图，本发明专利技术与现有技术相比，极大地降低了模型大小和计算复杂度，便于部署终端，实现三七病害实时监测，为治理三七病害问题提供了新的方法，能够有效地保护三七的生长。

【技术实现步骤摘要】

本专利技术属于三七叶片病害识别，具体是一种基于改进deeplabv3+轻量级模型的三七叶片病害辨识方法。

技术介绍

1、三七是一种传统且珍贵的中草药，主要产于中国云南省。它具有重要的药用和保健价值。然而，病害成为了制约三七产量和品质的主要因素之一。目前，对三七病害的识别大多依靠人工观察。但是在大面积种植三七的情况下，传统的人工识别方法需要耗费大量的时间和人力，并且存在主观性，无法保证对病害程度准确识别。这导致病害发现不及时和不准确，加重了三七病害的程度。

2、近年来随着智慧农业的发展，计算机视觉技术与人工智能技术逐步涉及农业领域，三七种植业也可以引入相关的技术。然而，直接应用unet、fcn、deeplabv3+等主流的识别模型，存在精度低以及模型参数量大等问题，难以在实际生产中得到高效应用。因此，需要改进一种全新的深度学习模型，以提高三七病害识别的准确性和实用性。

技术实现思路

1、针对deeplabv3+网络存在语义信息不全面、特征提取不连续导致的分割精度低和网络参数量大、训练速度缓慢的问题，本文档来自技高网...

【技术保护点】

1.一种三七叶片病害辨识方法，其特征在于，步骤如下：

2.根据权利要求1所述的三七叶片病害辨识方法，其特征在于：图像进行预处理是对图像进行随机翻转、平移变换、随机剪切、添加高斯噪声处理，处理后图像包括叶片、病变区、背景区，并按照7:2:1的比例将图像数据划分为训练集、验证集和测试集。

3.根据权利要求1所述的三七叶片病害辨识方法，其特征在于，轻量级MobileNetV2主干网络为倒残差结构，提取特征步骤如下：

4.根据权利要求1所述的三七叶片病害辨识方法，其特征在于：基于窗口注意力机制的空洞空间金字塔池化模块由一层1×1的普通卷积层、三层带窗口注意力机...

【技术特征摘要】

1.一种三七叶片病害辨识方法，其特征在于，步骤如下：

2.根据权利要求1所述的三七叶片病害辨识方法，其特征在于：图像进行预处理是对图像进行随机翻转、平移变换、随机剪切、添加高斯噪声处理，处理后图像包括叶片、病变区、背景区，并按照7:2:1的比例将图像数据划分为训练集、验证集和测试集。

3.根据权利要求1所述的三七叶片病害辨识方法，其特征在于，轻量级mobilenetv2主干网络为倒残差结构，提取特征步骤如下：

4.根据权利要求1所述的三七叶片病害辨识方法，其特征在于：基于窗口注意力机制的空洞空间金字塔池化模块由一层1×1的普通卷积层、三层带窗口注意力机制的卷积层和一层全局平均池化层组成，其中三层卷积层的窗口大小分别为4×4、8×8、16×16。

5.根据权利要求1所述的三七叶片病害辨识方法，其特征在于：使用eca通道注意力机制对浅层特征图进行特征过滤是将浅层特征图在高度和宽度维度上对进行全局平均池化，将浅层特征图的大小从(c，h，w)改变为(c，1，1)，其中c为通道数，h为图像高度，...

【专利技术属性】
技术研发人员：杨启良，王子龙，杨玲，丁浩，王若曦，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：