一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法技术

本发明专利技术针对棉花病虫害图像，提出一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法。本方法以DenseNet121为基础模型，构建一个新的轻量级棉花病虫害识别模型REM‑DNet，通过引入多尺度卷积替代基础模型首层7×7卷积，增强对不同尺度信息的捕捉能力；为减少模型参数、便于在资源受限环境中部署，构建RE‑密集块和LAMP剪枝方法精简网络结构和参数量，并提出RReLU6缓解数值失真和神经元失活的问题，以便于模型部署到便携式设备上；为了弥补剪枝可能带来的精度损失，构建MFGA机制，结合迁移学习策略，强化模型对关键病害特征的关注。本发明专利技术不仅提高了识别准确率，还减少了模型参数，使其更加适合部署于便携式设备，并可以很好的满足实际场景中棉花病虫害识别的应用需求。

【技术实现步骤摘要】

本专利技术涉及深度学习中的计算机视觉领域，尤其是涉及一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法。

技术介绍

1、棉花是一种很重要的纺织纤维，占世界纤维年需求量的35％左右，同时，棉花产业对于很多国家来说是一个重要的经济支柱，为农民提供了稳定的收入来源。据中国农作物病虫害测报网监测和专家会商分析，预计2024年农作物重大病虫害呈重发态势，中国预计发生面积23.3亿亩次，比2023年和近5年实际发生面积分别增加26.2％和18.4％，对70％以上的农作物产区构成威胁。

2、目前，棉花病虫害识别更多的是农民通过经验或邀请专家进行辨别，然而，基于经验的方法往往存在识别不准确的风险，这可能导致用药错误，对作物的生长、产量造成不良影响。而邀请专家进行病虫害识别虽然专业性强，但往往存在时间滞后和成本较高的问题。误诊或发现过晚都可能导致农药的错用滥用，这不仅会污染土地，还可能使病虫害产生抗药性，对农业生产和环保都构成严重威胁。因此，对棉花病虫害进行早期、准确的识别显得尤为重要。

3、随着模式识别和人工智能技术的发展，利用计算机视觉对农作本文档来自技高网...

【技术保护点】

1.一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，包括以下步骤：

2.根据权利要求1中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述步骤1中获取的棉花病虫害数据集是在中国新疆维吾尔自治区塔城地区实地以及中国新疆维吾尔自治区昌吉国家农业中心采集的。这些数据是在真实环境中收集的，面临着复杂背景和不同光照条件的挑战，例如多变的田间环境以及不同的天气变化。所有图像都是使用安卓智能手机拍摄的。

3.根据权利要求2中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述棉花病虫害包括健康棉花叶片、棉...

【技术特征摘要】

1.一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，包括以下步骤：

2.根据权利要求1中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述步骤1中获取的棉花病虫害数据集是在中国新疆维吾尔自治区塔城地区实地以及中国新疆维吾尔自治区昌吉国家农业中心采集的。这些数据是在真实环境中收集的，面临着复杂背景和不同光照条件的挑战，例如多变的田间环境以及不同的天气变化。所有图像都是使用安卓智能手机拍摄的。

3.根据权利要求2中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述棉花病虫害包括健康棉花叶片、棉花黄萎病、棉花褐斑病、棉花枯萎病、棉花红叶茎枯病以及棉花蚜虫共四种病害一种虫害。

4.根据权利要求1中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述步骤2中的棉花病虫害数据集划分是按8:2的比例划分为训练集和测试集。

5.根据权利要求1中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法，其特征在于，所述步骤3中的图像预处理包含对图像进行剪切、随机网格洗牌、通道洗牌、网格失真、随机噪声、随机亮度、随机调整色调饱和度以及图像数据归一化中的任意一种。

6.根据权利要求1中所述的一种基于注意力机制和迁移学习的轻量级棉花病虫害识...

【专利技术属性】
技术研发人员：张琳琳，娄高展，郭展宏，赵楷，吴文寿，
申请(专利权)人：新疆大学，
类型：发明
国别省市：