公开(公告)号：CN119625514A

公开(公告)日：2025-03-14

申请号：CN202411275110.9

申请日：2024-09-12

Applicant: 新疆大学

Inventor： 杜甜甜 ,  蔡鑫 ,  南新元 ,  高丙朋 ,  曹金琛 ,  袁嘉旺 ,  刘储祥 ,  潘浩宇 ,  陈瑞泰

IPC: G06V20/10 ,  G06V10/52 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096

Abstract: 本发明公开了一种基于改进RegNet的多种农作物病害受害程度识别方法，针对传统农作物病害识别方法效率低、受害程度识别不准确的问题，该方法首先在RegNet输入端进行在线数据增强，用以提高训练样本的多样性；其次在模型的特征提取层引入了ECA通道注意力机制，用以提高模型的特征提取能力；然后在模型的分类层引入多尺度特征融合策略，用以提高模型对细粒度特征的分类能力；最后使用深度迁移学习来优化模型的整体性能，加快模型的收敛速度，提高模型的泛化能力。结果表明，改进后的网络模型在农作物病害受害程度数据集上准确率达到了94.5%，相较于RegNet原模型准确率提高了10.4%。改进后的模型具有更好的特征提取能力，对细粒度特征有更强的分类能力。