-
公开(公告)号：CN113723312A
公开(公告)日：2021-11-30
申请号：CN202111017803.4
申请日：2021-09-01
Applicant: 东北农业大学
Abstract: 本发明提供了一种基于视觉transformer的水稻病害识别方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集水稻叶片病害图像，统一大小为224*224像素，并进行标注；输入到本发明设计的视觉transformer架构进行模型训练，训练完毕后可以根据输入的水稻叶片病害图像预测相应的病害类别。本发明利用两种transformer架构作为特征提取器，分别是视觉transformer ViT和蒸馏后的transformer DeiT，将两种transformer对输入图像特征提取后进行Pooling操作，再对Pooling操作后的特征做残差连接，并与原Pooling后的两种特征进行特征拼接(concatenate)，随后再将concatenate后的特征输入到MLPHead层进行病害种类预测。与现有方法在水稻病害识别测试集上对比，本发明提供的方法在识别准确率和F1‑Score等评价指标上有明显的提升。
-
公开(公告)号：CN112861752B
公开(公告)日：2022-06-14
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN112861752A
公开(公告)日：2021-05-28
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN113723312B
公开(公告)日：2024-01-23
申请号：CN202111017803.4
申请日：2021-09-01
Applicant: 东北农业大学
Abstract: 本发明提供了一种基于视觉transformer的水稻病害识别方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集水稻叶片病害图像，统一大小为224*224像素，并进行标注；输入到本发明设计的视觉transformer架构进行模型训练，训练完毕后可以根据输入的水稻叶片病害图像预测相应的病害类别。本发明利用两种transformer架构作为特征提取器，分别是视觉transformer ViT和蒸馏后的transformer DeiT，将两种transformer对输入图像特征提取后进行Pooling操作，再对Pooling操作后的特征做残差连接，并与原Pooling后的两种特征进行特征拼接(concatenate)，随后再将concatenate后的特征输入到MLPHead层进行病害种类预测。与现有方法在水稻病害识别测试集上对比，本发明提供的方法在识别准确率和F1‑Score等评价指标上有明显的提升。
-
-
-
Search Results
4
records
(took 0.043 seconds)
