摘要
本发明公开了一种基于多尺度特征融合Transformer的大豆叶片病害识别方法,包括以下步骤:S1:从公共数据集中获取不同类型的大豆叶片病害图像,S2:对采集的大豆叶片病害图像进行预处理操作,包括旋转、翻转、亮度调整、对比度调整;S3:构建大豆叶片病害识别模型;S4:对训练后的模型进行验证;S5:获取待识别的大豆叶片病害图像;S6:将待识别的大豆叶片图像输入构建好的大豆叶片病害识别模型中,识别并通过分类器输出病害种类;引入了金字塔池化模块和自注意力机制,并对通道注意力模块进行了优化,可以获取不同尺度之间的全局空间依赖关系,从而有效提高模型的识别准确率。
技术关键词
病害识别方法
叶片
多尺度特征融合
输出特征
深度学习框架
图像
金字塔池化模块
多层感知机
注意力机制
识别模型训练
通道
叶枯病
大豆锈病
分支
分类器
系统为您推荐了相关专利信息
半导体缺陷检测方法
特征融合网络
多波段
多光谱标定板
晶圆表面粗糙度
人工智能程序
平台
迁移方法
通用并行计算架构
接口
文本检测模型
文本检测方法
代表
文本检测技术
感兴趣
离心泵叶轮
切割方法
三维模型
叶轮前盖板
叶轮后盖板
微型涡轮风扇
挡泥板
伸缩挡板
防溅水
车载摄像头