【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种荔枝树冠层病虫害智能识别方法。
技术介绍
1、在利用无人机摄影技术获取荔枝树冠层高分辨率图像的过程中，荔枝树冠层内部结构复杂，不同层次和角度的枝叶相互遮挡，导致图像中存在大量信息缺失区域。这些缺失区域可能恰好是病虫害易发部位，若不能有效修复可能漏检病虫害，影响识别精度。
2、此外，荔枝树冠顶部枝叶茂密遮光性强，内部光照不足，图像易出现欠曝现象，噪声较多，病斑和虫体等细节信息丢失，增大了病虫害识别难度。荔枝树冠层病虫害类型多样，不同病虫害症状相似度高，容易混淆。荔枝树生长环境复杂多变，病虫害发生受到光照、湿度等因素影响，表观差异大，给识别带来挑战。
3、以及现有荔枝树冠层病虫害识别技术的调研和分析采用的是传统的人工检测方法，存在效率低、准确性不高的问题，基于单一特征的识别方法难以应对复杂多变的病虫害情况等，因此本专利技术采用多阶段图像处理和深度学习相结合的方法来解决这些问题。
技术实现思路
1、本专利技术提供了一种荔枝树冠层病虫害智能识...
【技术保护点】
1.一种荔枝树冠层病虫害智能识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述通过注意力机制，自动学习不同病虫害症状的区分性特征，提高相似病虫害的识别精度，得到病虫害识别结果，还包括:
4.根据权利要求1所述的方法，其特征在于，针对所述输入图像中的欠曝光图像，调整所述输入图像的亮度和对比度，对所述欠曝光图像进行光照补偿，得到光照补偿后的图像，包括:
5.根据权利要求2所述的方法，其特征在于，采用小波变换对光照补偿后的图像进行处理，得到不...
【技术特征摘要】
1.一种荔枝树冠层病虫害智能识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述通过注意力机制，自动学习不同病虫害症状的区分性特征，提高相似病虫害的识别精度，得到病虫害识别结果，还包括:
4.根据权利要求1所述的方法，其特征在于，针对所述输入图像中的欠曝光图像，调整所述输入图像的亮度和对比度，对所述欠曝光图像进行光照补偿，得到光照补偿后的图像，包括:
5.根据权利要求2所述的方法，其特征在于，采用小波变换对光照补偿后的图像进行处理，得到不同频段的小波系数，针对高频小波系数进行阈值处理，滤除所述噪声，对阈值处理后的小波系数进行小波重构，得到去噪后的图像，包括:
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。