公开(公告)号：CN114926735B

公开(公告)日：2025-01-10

申请号：CN202210534042.8

申请日：2022-05-17

Applicant: 东北农业大学

Inventor： 周长建 ,  冯宝龙 ,  陈文卓 ,  冯毓权

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及农业人工智能和植物保护领域，具体地，提供了一种基于RAML的作物叶片复合侵染性多病害识别方法。该方法解决了实际种植环境下作物病害识别模型泛化性能低，同时识别一幅图像中多种病害准确率低的问题。该方法包括：首先采集实际种植环境下作物病害图像，经过数据清洗后用one‑hot编码方式进行标注，将标注后的数据划分训练集、验证集和测试集，再输入到本发明提供的一种基于RAML的作物叶片复合侵染性多病害识别方法中进行模型训练并保存训练好的模型。该模型将通道注意力机制和空间注意力机制并联后构建注意力机制模块，并将其嵌入到ResNet‑50模型架构中，再结合Sigmoid激活函数可以同时预测叶片图像中存在的多种病害类别。

公开(公告)号：CN114926735A

公开(公告)日：2022-08-19

申请号：CN202210534042.8

申请日：2022-05-17

Applicant: 东北农业大学

Inventor： 周长建 ,  冯宝龙 ,  陈文卓 ,  冯毓权

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及农业人工智能和植物保护领域，具体地，提供了一种基于RAML的作物叶片复合侵染性多病害识别方法。该方法解决了实际种植环境下作物病害识别模型泛化性能低，同时识别一幅图像中多种病害准确率低的问题。该方法包括：首先采集实际种植环境下作物病害图像，经过数据清洗后用one‑hot编码方式进行标注，将标注后的数据划分训练集、验证集和测试集，再输入到本发明提供的一种基于RAML的作物叶片复合侵染性多病害识别方法中进行模型训练并保存训练好的模型。该模型将通道注意力机制和空间注意力机制并联后构建注意力机制模块，并将其嵌入到ResNet‑50模型架构中，再结合Sigmoid激活函数可以同时预测叶片图像中存在的多种病害类别。