公开(公告)号：CN119478517A

公开(公告)日：2025-02-18

申请号：CN202411576405.X

申请日：2024-11-06

Applicant: 华南农业大学

Inventor： 王国华 ,  曾童 ,  张萌 ,  缪乐璇 ,  林桦 ,  郑永森

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06V10/54 ,  G06V10/77 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开一种基于深度学习的复杂条件下杂草目标识别方法，该方法首先对数据集通过LabelMe软件完成半自动标注后借助CVAT，即ComputerVisionAnnotation Tool，进行手动标注；然后，改进CoatNet检测网络的Transformer架构，在DCMHA中引入高斯噪声检测层，并引入Dropout正则化技术，提高计算效率；进一步，改进Coatnet网络结构并加深网络层次以提高网络对复杂目标的特征提取能力；再此基础上，设计非对称平滑焦点损失函数，即Asymmetric SmoothedFocal Loss函数，将交叉熵函数换为焦点损失函数，即Focal Loss函数，引入标签平滑策略和非对称性；最后，将原始视频图像输入训练所得的深度网络，得到最终杂草识别的结果。该方法增强细节信息的表达能力，对于复杂条件下杂草目标识别任务有更强的鲁棒性。