一种面向番茄育种生物胁迫检测的改进鱼鹰搜索网络学习率优化方法

本发明公开了一种面向番茄育种生物胁迫检测的改进鱼鹰搜索网络学习率优化方法，涉及卷积神经网络超参数优化领域，采集番茄育种生物胁迫数据，标注病害、虫害、杂草和部分健康叶片，获取原始数据集并按比例分为训练集、验证集和测试集；通过混合数据增强方法扩充训练集，获得增强后的数据集；引入通道注意力机制优化YOLOv4，构建YOLO_SE；利用Tent混沌映射和Lévy飞行策略改进鱼鹰搜索算法的初始化和位置更新方式；以验证集的最佳mAP为评价指标，利用鱼鹰搜索算法产生YOLO_SE的最优学习率；用最优学习率训练的模型检测图像中的番茄育种生物胁迫。本申请提高了深度学习任务下参数优化的全局搜索能力，改善了YOLO_SE性能。