摘要
本发明公开了一种基于小样本学习的农作物病虫害识别装置,涉及机器学习技术领域,包括LitePlantProto的模型架构,LitePlantProto的模型架构包括CSASFF模块和LEAM模块,LEAM模块包括DBCAM模块和ESAM模块;本发明通过构建LitePlantProto的模型架构,该模型采用轻量级的主干网络,引入自适应空间特征融合聚合多尺度特征,避免特征冗余及多尺度特征间相互干扰。此外,本发明提出轻量级的高效注意力模块,从通道和空间维度进一步挖掘图像的显著性信息。实验结果表明,与当前领域内最先进的模型进行对比,识别准确率得到了不同程度的提升。
技术关键词
农作物病虫害
ESAM模块
识别装置
特征联合学习
多尺度特征融合
通道
度度量方法
融合特征
样本
机器学习技术
预训练模型
级联
注意力
阶段
特征数
输出特征
矩阵
系统为您推荐了相关专利信息
语义特征
命名实体识别方法
命名实体识别模型
文本
条件随机场
识别模型训练方法
门禁识别方法
学生
识别人脸图像
存储程序代码
电力
理论线损
异常识别方法
变压器
数据获取模块
风险识别方法
负荷预测模型
变压器
措施
风险识别模型