一种分层多尺度特征融合的植物叶部病害程度识别方法技术

本发明专利技术公开了一种分层多尺度特征融合的植物叶部病害程度识别方法，包括：步骤S1、植物叶部病害图片输入；步骤S2、对特征图进行下采样；步骤S3、分别输入进Local Feature Block和Global Feature Block，提取局部特征和全局特征；步骤S4、HFF Block融合局部及全局特征；步骤S5、输入到全局平均池化和层归一化的线性分类器中进行分类。本发明专利技术引入了分层多尺度特征融合的方法，充分利用不同层次获得的特征，并将Transformer和CNN的优势进行多尺度层次融合，从而提高了对植物叶部病害程度的识别精度，这种融合方式能够更全面地捕捉图像的特征，避免信息丢失，使模型在区分不同病害程度时具有更好的表现。

【技术实现步骤摘要】

本专利技术涉及农业，具体为一种分层多尺度特征融合的植物叶部病害程度识别方法。

技术介绍

1、中国是一个农业大国，种植了许多粮食作物与经济作物，同时也种植了众多观赏类植物，比如花中之王牡丹和花中皇后月季，当这些植物发生病害现象时，会对植物品质和产量等方面产生负面影响，从而可能会对社会及相关从业者造成巨额的经济损失。由于植物病害与宿主植物、病毒及其载体有关，若在没有确定病症的情况下滥用农药将会使原本的病原菌产生抗药性。植物病害识别技术的研究意义在于可以帮助农民和植物保护工作者快速准确地诊断植物病害，及时采取防治措施，避免病害扩散和农业损失。在发现病害后，种植户通常会在病株上喷洒杀菌剂，以防止病害的进一步发展和蔓延。然而，剂量不足可能无法有效控制病害，过量则可能导致农残超标和环境污染。因此，快速准确地识别病害叶片的病害严重程度，实现病害精准防治，对降低种植风险、提高作物品质具有重要意义。

2、同种病害叶片的不同病害程度图像具类间相似性，由于具有高度相似难以区分的特点，现有的模型方法都很难取得较好的识别准确度。在卷积神经网络(cnn)的推动下，图像分类本文档来自技高网...

【技术保护点】

1.一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，包括：

2.根据权利要求1所述的一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，所述步骤S1中，采用HMfusion用于缩小输入植物叶部病害图片的特征图的分辨率；

3.根据权利要求1所述的一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，所述步骤S2中，通过Patch Merging操作在每个Stage下的特征图进行采样，用于不同尺度的特征提取，每个stage都包含局部和全局特征块的并行框架。

4.根据权利要求1所述的一种分层多尺度特征融合的植物叶部病害程度识别...

【技术特征摘要】

1.一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，包括：

2.根据权利要求1所述的一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，所述步骤s1中，采用hmfusion用于缩小输入植物叶部病害图片的特征图的分辨率；

3.根据权利要求1所述的一种分层多尺度特征融合的植物叶部病害程度识别方法，其特征在于，所述步骤s2中，通过patch merging操作在每个stage下的特征图进行采样，用于不同尺度的特征提取，每个stage都包含局部和全局特征块的并行框架。

4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：程雯，许勇，包东曙，韩畅，方娟，刘威，刘玉茹，石闯，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：