公开(公告)号：CN117132802A

公开(公告)日：2023-11-28

申请号：CN202310372755.3

申请日：2023-04-10

Applicant: 西北农林科技大学

Inventor： 毛锐 ,  胡小平 ,  张宇晨 ,  王泽玺 ,  郝兴安 ,  祝涛 ,  高圣昌

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/22 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种田间小麦病虫害识别方法、装置及存储介质，属于图像处理领域，该方法使用神经网络(DenseNet)提取更丰富的小麦病虫害特征；借助特征金字塔融合优化由DenseNet各组卷积输出的病害特征信息；加入卷积注意力模块对多个卷积层的输出特征进行优化以抑制复杂背景特征对田间小麦病虫害识别性能的影响；采用Sobel滤波算法边缘协议头检测病斑区域的边缘特征，借助此边缘特征引导模型预测掩膜生成方向从而提高本发明的识别速度。该方法通过特征提取过程中的特征融合和特征抑制对小麦病虫害特征进行了多重特征优化，抑制了由复杂背景引入的无用特征，突出了小麦病虫害目标的有效特征，从而提高了病虫害的识别精度。

公开(公告)号：CN118537731A

公开(公告)日：2024-08-23

申请号：CN202410649459.8

申请日：2024-05-24

Applicant: 西北农林科技大学

Inventor： 毛锐 ,  郝兴安 ,  王泽玺 ,  郝思嘉 ,  张宇晨 ,  袁红莉 ,  李书琴

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于无人机多光谱图像的小麦黄矮病多尺度检测方法，包括：构建完备的小麦黄矮图像组成的待检测数据集；其中，所述小麦黄矮图像是利用光谱无人机对复杂背景下不同小麦品种进行成像得到的多光谱图像；基于双分支尺度编码器和轻量级解码器构建双分支多尺度模型；其中，所述双分支尺度编码器包括Transformer分支、CNN分支和特征融合模块，用于生成多尺度特征映射；所述轻量级解码器包括优化的特征金字塔网络和多层感知器，用于产生分割掩码；通过已训练的所述双分支多尺度模型检测所述待检测数据集中的小麦黄矮病变区域。从而实现了小麦黄矮的准确分割，为未来精准农业作物病害监测与管理提供了实质性的技术支持。