【技术实现步骤摘要】
本申请涉及小麦病害检测领域，具体涉及一种基于深度学习的小麦病害检测方法。
技术介绍
1、小麦作为世界上三大主要粮食作物之一，在我国农业生产中占有举足轻重的地位。其种植面积和产量均占据我国粮食总量的半壁江山以上，对于保障国家粮食安全和农民增收具有重要意义。然而，小麦在生长过程中面临着多种病害的威胁，其中小麦条锈病、赤霉病和白粉病等尤为突出，这些病害对小麦的产量和质量造成了严重影响。
2、传统的小麦病害检测方法主要依赖于人工经验，通过田间实地观察叶片颜色、形态变化以及受害症状来判断是否存在病害。这种方法不仅效率低下、劳动强度大，而且由于调查人员的主观判断差异，导致病害识别的精确度和分级误差较大。
3、公开号为cn108021894a的专利技术专利提出了一种基于深度策略学习的小麦病害检测方法，通过收集大量的小麦病害图像，并将图像的病害部分作为焦点，形成训练样本。进而利用深度神经网络，根据构造的状态策略、动作策略和奖励策略来构建和训练小麦病害图像检测模型，使其学习在给定状态下采取哪些动作能够得到最大的奖励(即最准确地检测...
【技术保护点】
1.一种基于深度学习的小麦病害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的小麦病害检测方法，其特征在于，对所述待检测小麦图像进行前景目标多层次特征提取以得到小麦前景浅层特征图和小麦前景深层特征图，包括：
3.根据权利要求2所述的基于深度学习的小麦病害检测方法，其特征在于，提取所述待检测小麦前景部分图像的前景区域以得到待检测小麦前景部分图像，包括：
4.根据权利要求3所述的基于深度学习的小麦病害检测方法，其特征在于，对所述小麦前景浅层特征图和所述小麦前景深层特征图分别进行全局上下文交互以得到小麦前景浅层细粒度全...
【技术特征摘要】
1.一种基于深度学习的小麦病害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的小麦病害检测方法，其特征在于，对所述待检测小麦图像进行前景目标多层次特征提取以得到小麦前景浅层特征图和小麦前景深层特征图，包括：
3.根据权利要求2所述的基于深度学习的小麦病害检测方法，其特征在于，提取所述待检测小麦前景部分图像的前景区域以得到待检测小麦前景部分图像，包括：
4.根据权利要求3所述的基于深度学习的小麦病害检测方法，其特征在于，对所述小麦前景浅层特征图和所述小麦前景深层特征图分别进行全局上下文交互以得到小麦前景浅层细粒度全局交互特征图和小麦前景深层细粒度全局交互特征图，包括：
5.根据权利要求4所述的基于深度学习的小麦病害检测方法，其特征在于，对所述小麦前景浅层细粒度全局交互特征图和所述小麦前景深层细粒度全局交互特征图进行细粒度联合感知以得到小麦前景浅层-深层细粒度交互显著融合特征图，包括：
6.根据权利要求5所述的基于深度学习的小麦病害检测方法，其特征在于，将所述小麦前景...
【专利技术属性】
技术研发人员：臧贺藏，王言景，赵晴，李国强，张杰，王从胜，
申请(专利权)人：河南省农业科学院农业信息技术研究所，
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。