【技术实现步骤摘要】
本专利技术涉及人工智能与水产养殖，尤其涉及一种基于深度迁移学习的生蚝病害智能诊断方法。
技术介绍
1、生蚝是重要的水产养殖物种，广泛分布于全球海岸区域，其养殖业已成为许多国家和地区的重要经济来源。然而，生蚝养殖过程中经常受到各种病害的影响，严重影响其产量和质量。病害的早期发现与诊断对于采取及时有效的防治措施至关重要。传统的生蚝病害诊断方法通常依赖人工观察和经验判断，这种方式不仅劳动强度大、效率低，而且容易受到人为因素的影响，诊断结果的准确性和可靠性较差。
2、近年来，随着计算机视觉和深度学习技术的迅速发展，基于图像的自动化生物疾病诊断方法逐渐成为研究热点。通过图像分析，计算机可以快速、准确地识别出生蚝病害的相关特征，从而实现自动化诊断。现有技术中，许多方法依赖于传统的卷积神经网络进行图像分类，然而，由于训练数据集的有限性以及网络模型的复杂性，传统的深度学习模型在处理生蚝病害的复杂背景和微小特征时存在较大挑战。
3、同时，虽然有一些研究通过迁移学习方法利用大规模的通用数据集进行预训练，并对目标领域数据进行迁移优化，...
【技术保护点】
1.一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述采集待诊断生蚝的图像数据，构建多尺度标准训练数据集，具体为：
3.根据权利要求1所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述以基于ImageNet数据集预训练的视觉Transformer模型为初始模型，通过逐层逆序渐进式的深度迁移训练策略，获得迁移学习模型，具体为：
4.根据权利要求3所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述从最深位置单...
【技术特征摘要】
1.一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述采集待诊断生蚝的图像数据，构建多尺度标准训练数据集，具体为：
3.根据权利要求1所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述以基于imagenet数据集预训练的视觉transformer模型为初始模型，通过逐层逆序渐进式的深度迁移训练策略，获得迁移学习模型，具体为：
4.根据权利要求3所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述从最深位置单一特征提取层开始，对权重参数进行解冻处理，同时利用训练子集进行首次迁移训练，具体为：
5.根据权利要求1所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述在迁移学习模型中构建若干分辨率逐级递增的门控槽注意力单元，逐层逐步计算并动态调整迁移学习模型输出的图像特征在各门控槽注意力单元中的注意力权重，获得多层次的递进式注意力特征表达，具体为：
6.根据权利要求5所述的一种基于深度迁移学习的生蚝病害智能诊断方法，其特征在于，所述针对每个高分辨率门控槽注意...
【专利技术属性】
技术研发人员：孙宗烨，孙璇，
申请(专利权)人：大连尚盈水产科技有限公司，
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。