摘要
本发明公开了跨层次特征融合的葡萄叶片病害程度分级预测方法及系统,本发明涉及病害程度预测技术领域,解决了模型泛化能力差,且对数据源的要求很高,型依然不能满足准确地预测葡萄叶片病害严重程度要求的技术问题,本发明通过将葡萄叶片病害图像输入到DINOV2视觉大模型中得到由浅到深四份形状相同的基础特征,通过设计一种独特的跨层次特征融合方式对上述得到的基础特征进行融合,得到跨层次融合特征,提出一种新的多尺度特征提取模块,更好的提取到图像的多尺度、深层次信息,综合利用不同尺度的空间特征,将大模型技术应用葡萄叶片病害程度分级预测领域,极大地提高了模型的精度,增强了模型的泛化能力,实现了准确预测葡萄叶片病害程度的要求。
技术关键词
分级预测方法
融合特征
葡萄
多尺度特征
叶片
特征提取模块
语义分割模型
注意力
分支
输入多尺度
元素
像素
基础
上采样
图像分割
全局平均池化
计算机设备
图像采集模块