摘要
本发明涉及基于深度学习的树木线虫病害木识别方法,其方法包括采集树木线虫病害区域的图像信息,对图像信息中的病害木位点进行标记并形成标记点;基于标记点构建以病害木位点为中心的三维高斯空间置信图;构建多尺度空间注意力卷积神经网络模型,并利用三维高斯空间置信图结合深度学习算法对多尺度空间注意力卷积神经网络模型进行训练;利用训练后的模型对目标区域树木线虫病害进行定期预测识别,得到病害预测结果,超出预期标准或病害加重检测传感器立即预警。本发明可提高目标识别的准确性,通过多尺度空间注意力卷积神经网络模型融合不同感受的特征图,将多分辨率的深度信息整合到常规空间语义中,提升模型对于病害木与周围关系的识别能力。
技术关键词
注意力卷积神经网络
线虫
位点
深度学习算法
标记
检测传感器
数字高程模型数据
三维影像信息
三维模型
病害识别方法
数据扩充方法
卫星遥感影像
二维图像数据
三维建模软件
分辨率
高斯核函数
系统为您推荐了相关专利信息
分布分析方法
路段
位置变化信息
监控设备监测
LSTM模型
分布式策略
性能预估方法
节点
人工智能芯片技术
数据并行策略
手术器械放置装置
交叉定位装置
导航装置
视觉系统
导航方法