一种基于少样本学习和原型注意力的叶类蔬菜病害检测方法

本发明公开了一种基于少样本学习和原型注意力的叶类蔬菜病害检测方法，包括以下步骤：S1、对数据进行预处理与增强；S2、对图像进行多尺度特征提取；S3、全局特征建模；S4、目标检测与语义分割；S5、少样本优化与微调。本发明采用上述的一种基于少样本学习和原型注意力的叶类蔬菜病害检测方法，针对农业病害数据样本稀缺的问题，引入少样本学习网络架构，能在有限数据条件下实现快速准确的病害区域识别和分割，结合目标检测和语义分割任务，进行病害定位和细粒度分割，提高了检测精度和分割性能，将原型提取与注意力机制融合，有效提升了低样本条件下模型的学习能力，能够实时应用于蔬菜种植区的病害检测与控制，支持农民高效管理病害。