摘要
本发明提供一种小麦早期条锈病检测方法和系统,包括:将嵌入时间维度的多模态数据输入并预训练光谱重建和时序对比学习模型,挖掘小麦条锈病在不同发展阶段和不同光谱波段通用的特征模式;把预训练完成的权重迁移到多模态多尺度目标检测模型的多模态编码器,提取出不同尺度的交互融合特征,输入多尺度解码器,综合利用全局上下文信息和局部细节信息,同时通过交叉注意力机制充分利用不同尺度的特征,输出条锈病的检测结果;用早期条锈病数据中带标签的数据微调多尺度解码器参数,得到训练完成的多模态多尺度目标检测模型;使用训练完成的多模态多尺度目标检测模型,对待检测小麦进行早期条锈病检测。本发明可以对小麦早期条锈病进行检测。
技术关键词
多模态图像数据
特征提取器
多尺度
融合特征
小麦条锈病
交叉注意力机制
解码器
偏振光
红外光
时序
前馈神经网络
编码器
图像块
可见光图像
查询特征
系统为您推荐了相关专利信息
遥感影像配准方法
异源遥感影像
校正
特征提取网络
密集特征
智能识别方法
文本编码器
图像编码器
分类识别模型
多模态特征
缺陷快速检测方法
柔性
表面三维形貌
深度学习模型
屏幕结构
语义分割网络
语义分割方法
图像
特征金字塔网络
变量