【技术实现步骤摘要】
本专利技术涉及目标检测，更具体的说是涉及一种基于全局局部上下文感知网络的家禽疾病图像预测方法及系统。
技术介绍
1、沙门氏菌，纽卡斯尔和球虫病，这种广泛传播的家禽疾病严重影响养殖业的发展。由于缺乏快速诊断和治疗，家禽疾病对养殖业的影响可能导致家禽的全部损失。沙门氏菌病、球虫病和新城疫是通过使用粪便样本的实验室程序诊断的，需要3-4天才能得到结果。农民获得这些实验室服务既昂贵又有限。
2、深度学习方法已证明可以用于人类和牲畜的辅助疾病诊断。它们在疟疾、结核病和肠道寄生虫的诊断方面优于传统成像技术。
3、在深度学习的帮助下，农民可以更快的辅助判断家禽疾病，及时对家禽进行治疗，避免更大的损失。然而，深度学习方法应用需要一个由聚合酶链反应(pcr)等实验室技术注释的数据集。pcr是一种用于快速诊断的分子生物学技术。pcr法通过扩增病原体特有的dna序列来检测和鉴定病原体。与需要一周多时间进行诊断的传统培养方法相比，它将测试过程减少到几个小时，从而节省了时间。但是pcr检测太贵，家禽养殖户负担不起，并且对于专业技能的要求更...
【技术保护点】
1.基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，包括：
2.根据权利要求1所述的基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，还包括测试阶段，从家禽疾病粪便数据集中分割出一个用于验证的子集作为验证集，加载经过训练的最优卷积神经网络模型的最优权值矢量和偏置项；
3.基于全局局部上下文感知网络的家禽疾病图像预测系统，应用上述权利要求1或2所述的基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，所述卷积神经网络包括：主干网络，颈部网络，检测头网络；所述主干网部分由倒移动残差子网络和双流掩码加权模块组成；颈...
【技术特征摘要】
1.基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，包括：
2.根据权利要求1所述的基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，还包括测试阶段，从家禽疾病粪便数据集中分割出一个用于验证的子集作为验证集，加载经过训练的最优卷积神经网络模型的最优权值矢量和偏置项；
3.基于全局局部上下文感知网络的家禽疾病图像预测系统，应用上述权利要求1或2所述的基于全局局部上下文感知网络的家禽疾病图像预测方法，其特征在于，所述卷积神经网络包括：主干网络，颈部网络，检测头网络；所述主干网部分由倒移动残差子网络和双流掩码加权模块组成；颈部网络由四个全局局部特征融合模块，两个卷积块，四个通道拼接操作和两个上采样操作组成；检测头网络由三个解耦头组成，每个解耦头都由卷积块、一个卷积层和损失函数组成，分为两个分支，分别用于目标识别和分类。
4.根据权利要求3所述的基于全局局部上下文感知网络的家禽疾病图像预测系统，其特征在于，所述主干网络的倒移动残差子网络包括若干个倒移动残差模块；每个倒移动残差模块由第1个卷积块、多头自注意力机制、逐深度卷积块和第2个卷积块构成；
5.根据权利要求3所述的基于全局局部上下文感知网络的家禽疾病图像预测系统，其特征在于，双流掩码加权模块分为两个并行支路；上行支路由超参数单元、第3个卷积块、sigmoid函数构成；输入特征图像通过切片操作分成三部分，引入超参数α、β和θ自适应的调整来自不同特征的权重，通过通道拼接操作将调整后的特征拼接在一起作为第3个卷积块的输入；第3个卷积块的输出通过sigmoid函数得到注意力矩阵，再与输入特征图像进行像素级相乘，得到第一特征图；下行支路由平均池化层、最大池化层、两个sigmoid函数构成；输入特征图像分别通过平均池化层和最大池化层分别得到第一一维向量和第二一维向量，将第一一维向量和...
【专利技术属性】
技术研发人员：黄俊，韩依婷，赵倩，周一峰，周武杰，
申请(专利权)人：浙江科技大学，
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。