【技术实现步骤摘要】
本专利技术属于农业病害及环境调控，具体涉及一种基于深度学习的叶菜病害检测调控方法及系统。
技术介绍
1、在植物工厂或其他农业生产环境中，叶菜在生长过程中常受到叶斑病、烧心病等病害或环境胁迫的影响，这些问题难以完全避免，通常会导致叶菜产量和品质下降，带来经济损失。随着高产量和高品质需求的增加，如何有效应对病害和胁迫已成为生产管理中的关键。
2、叶菜病害的预防和治理过程中，首要任务是实现病害的快速、精准识别，包括判别病害种类、确定发生位置与范围、评估病害的严重程度。精确掌握病害信息后，管理者能够及时采取有针对性的防治措施，从而保障生产的稳定性并提升经济效益。传统的病害识别方法主要依赖于人工观察和判断，费时费力且准确性不高，尤其在面对大规模种植时，人工识别难以满足实时监测的需求。近年来，计算机视觉技术在农业领域得到了广泛应用，逐渐被用于病害检测，通过图像识别方法对叶菜病害进行自动识别，显著提升了检测效率和准确性。
3、当前的检测算法中，detr(detection transformer)作为第一个基于transfor...
【技术保护点】
1.一种基于深度学习的叶菜病害检测调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述对叶菜的生长图像进行预处理，包括图像增强、噪声去除和尺度变换。
3.根据权利要求1所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述改进的DETR模型包括主干网络、编码器、解码器与预测头，所述主干网络提取输入图像的特征；所述编码器对特征进行全局建模；所述解码器结合目标查询嵌入逐层解码目标信息；所述预测头输出图像的边界框信息和病害类别标签的病害检测结果。
4.根据权利要求3...
【技术特征摘要】
1.一种基于深度学习的叶菜病害检测调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述对叶菜的生长图像进行预处理，包括图像增强、噪声去除和尺度变换。
3.根据权利要求1所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述改进的detr模型包括主干网络、编码器、解码器与预测头，所述主干网络提取输入图像的特征；所述编码器对特征进行全局建模；所述解码器结合目标查询嵌入逐层解码目标信息；所述预测头输出图像的边界框信息和病害类别标签的病害检测结果。
4.根据权利要求3所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述改进的detr模型在编码器和解码器中引入稀疏注意力机制，为目标查询引入空间先验信息。
5.根据权利要求1所述的一种基于深度学习的叶菜病害检测调控方法，其特征在于，所述步骤s4包括以下步骤：
6.根据权利要求1所述的一种基于深度学习的叶菜病害检...
【专利技术属性】
技术研发人员：林开颜，周纪元，邝家铭，吴军辉，陈杰，司慧萍，
申请(专利权)人：同济大学，
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。