一种基于深度学习模型的橘子叶片病变分类方法

本发明公开了一种基于深度学习模型的橘子叶片病变分类方法，基于深度学习的高性能分类模型DF‑SE‑ResNet，在模型的特征提取阶段，将优化后的ResNet50与FPN(Feature Pyramid Networks)结合并加入了改进后的通到注意力机制模块，让模型在有效聚焦小病变斑块同时保留了其周围更多的语义信息，为后续的准确识别奠定坚实的基础。为了解决病变斑块随机分布所造成的准确定位难题，在特征提取网络之后引入了基于置换不变性的区域特征加权融合方法，提升了病变斑块的定位能力同时显著增强了病变特征。最后在实验阶段DF‑SE‑ResNet的准确率达到了95.4％，并且与其它深度学习模型相比，本发明所提出的模型其性能更优。