【技术实现步骤摘要】
本专利技术属于植物病害识别，具体涉及一种基于深度密集残差模块的植物叶片病害识别方法及系统。
技术介绍
1、通过图像识别技术进行植物叶片病害识别近年来得到了研究和应用，在农作物病虫害监测与防治、精准农业、农业科研等领域有广泛的应用。番茄叶片病害识别是计算机视觉和智慧农业领域的热点问题，番茄叶片病害识别是一项非常具有挑战性的任务。一方面，番茄叶片病害的病灶小且密集，病斑识别难度大，且多种病害类别相似度较高，导致识别困难。另一方面，现阶段用于实现番茄叶片病还识别的深度学习模型多是由简单的卷积块堆叠而成，模型的特征提取能力较差，无法满足番茄叶片病害识别任务的要求。
2、现在用于番茄叶片病害识别的方法，主要分为两类。一类是搭建简单识别模型，来实现番茄叶片病害的识别。另一类方法是将其他领域的识别模型用于番茄叶片病害领域。第一类技术方案只是通过搭建简单识别模型，来实现番茄叶片病害的识别，这类方法往往只是利用几个简单的卷积层堆叠，无法充分提取到完整病害图像的病灶信息，普遍存在效率低，精度低的问题。另一类方法也存在很大的局限性，首先，将其他领...
【技术保护点】
1.基于深度密集残差模块的植物叶片病害识别方法，其特征在于，采集植物叶片图像，通过依次设置的第一特征提取阶段、第二特征提取阶段、第三特征提取阶段、第四特征提取阶段和第五特征提取阶段对植物叶片图像进行特征提取，最后由第五特征提取阶段的全连接层处理得到分类结果；
2.根据权利要求1所述的基于深度密集残差模块的植物叶片病害识别方法，其特征在于，所述第一特征提取阶段，植物叶片图像首先经过两个卷积层实现下采样操作，下采样后的特征图将依次通过非线性激活函数和批归一化处理。
3.根据权利要求2所述的基于深度密集残差模块的植物叶片病害识别方法，其特征在于，所述...
【技术特征摘要】
1.基于深度密集残差模块的植物叶片病害识别方法，其特征在于，采集植物叶片图像，通过依次设置的第一特征提取阶段、第二特征提取阶段、第三特征提取阶段、第四特征提取阶段和第五特征提取阶段对植物叶片图像进行特征提取，最后由第五特征提取阶段的全连接层处理得到分类结果；
2.根据权利要求1所述的基于深度密集残差模块的植物叶片病害识别方法，其特征在于，所述第一特征提取阶段，植物叶片图像首先经过两个卷积层实现下采样操作，下采样后的特征图将依次通过非线性激活函数和批归一化处理。
3.根据权利要求2所述的基于深度密集残差模块的植物叶片病害识别方法，其特征在于，所述卷积层带有3×3卷积核、步长为2 ，边缘填充为1。
4.根据权利要求1所述的基于深度密集残差模块的植物叶片病害识别方法，其特征在于，得到注意力加权的值向量的过程用公式表示为：
5.根据权利要求4所述的基于深度密集残差...
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。