【技术实现步骤摘要】
本专利技术属于农作物病害识别，特别涉及一种基于知识蒸馏的轻量化农作物病害识别方法。
技术介绍
1、农作物病害对农作物生长造成严重威胁，影响农作物产量和质量。传统的机器学习方法在农作物病害识别方面存在局限性。近年来，随着深度学习技术的发展，尤其是卷积神经网络(cnn)的应用，为农作物病害识别带来了新的可能性。cnn能自动从原始图像中学习和提取有用特征，避免手动特征提取过程中的困难。然而，许多基于深度学习的模型由于其大规模结构，在边缘设备或资源受限环境中的部署具有挑战性。旨在解决现有深度学习模型在实际应用中的限制，提供一种更实用和高效的解决方案。
技术实现思路
1、为了解决资源受限环境下对农作物病害的高效识别问题，本专利技术提出了一种基于知识蒸馏的轻量化农作物病害识别方法，构建了结合残差结构和注意力机制的学生模型，并利用知识蒸馏方法，从大规模教师模型中迁移学习成果，实现轻量化同时保持高识别性能，从而解决现有深度学习模型在实际应用中的限制，用于在资源受限的环境中对农作物病害进行高效识别。
...【技术保护点】
1.一种基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤1的具体步骤如下：
3.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤2中对ConvNeXt模型的具体调整如下：
4.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤3构建的学生模型中，对于所述残差结构中的每个残差块，首先执行卷积操作和批量归一化，然后将输入恒等映射后与经过残差块处理后的输出相加，从而形成跳跃连
5...
【技术特征摘要】
1.一种基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤1的具体步骤如下：
3.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤2中对convnext模型的具体调整如下：
4.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤3构建的学生模型中，对于所述残差结构中的每个残差块，首先执行卷积操作和批量归一化，然后将输入恒等映射后与经过残差块处理后的输出相加，从而形成跳跃连接。
5.根据权利要求1所述的基于知识蒸馏的轻量化农作物病害识别方法，其特征在于，所述步骤3构建的学生模型中，所述cbam注意力机制包括通道注意力和...
【专利技术属性】
技术研发人员：胡雯婧，刘奇鹏，梁雷，张静，
申请(专利权)人：牧星智能工业科技上海有限公司，
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。