公开(公告)号：CN119295926A

公开(公告)日：2025-01-10

申请号：CN202411337914.7

申请日：2024-09-25

Applicant: 华南农业大学 ,  汕尾市海洋产业研究院

Inventor： 刘昌余 ,  王瀚升 ,  黄国钢 ,  王聪 ,  黄献培 ,  吴蔼民 ,  吴春胤 ,  郑晶晶 ,  裴嘉薇 ,  朱圳彬 ,  姜美茜 ,  李卿煜

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于FasterNet的植物叶片病害识别方法，首先获取对应类别的原始植物叶片病害识别图像并按图像类别存放到对应类别的图像文件夹中；再使用Python遍历每一类别的图像文件夹内的原始植物叶片病害识别图像，按比例划分为训练原图像、验证原图像和测试原图像并进行预处理，得到植物叶片病害识别图像数据集；随后构建原始FasterNet模型并改进得到FasterNetImproved模型；得到FasterNetImproved模型需要迭代训练和验证的模型参数张量并初始化；接着对FasterNetImproved模型进行迭代训练和验证，得到最优模型参数张量ωFI并保存；对训练和验证完的FasterNetImproved模型进行测试。本发明旨在提高植物叶片病害识别的准确度并降低所依赖的目标框标注的时间成本。