摘要
本发明公开了一种基于PCSE‑StarNet的轻量化番茄叶片病害检测方法,属于植物病害检测技术领域,以缓解番茄叶片病害种类多样、侵蚀面积不均、环境条件复杂以及设备计算能力有限等问题。本发明在初次特征提取阶段引入卷积核扩展技术,增强了特征信息的表达能力;提出了一种新的混合模块PCSE_Block,该模块通过将部分卷积(Pconv_8)、SE注意力机制和卷积分解有机结合,不仅优化了特征提取过程,还显著减少了网络冗余,并通过通道挤压机制进一步增强了特征提取和表示学习能力。该方法具有高识别精度和轻量化结构的特点,适用于资源受限环境中的番茄叶片病害检测,具有较大的应用前景。
技术关键词
病害检测方法
番茄病害
混合模块
植物病害检测技术
叶片
卷积分解技术
资源受限环境
训练集
执行卷积运算
超参数
注意力机制
数据
样本
图像增强方法
卷叶病毒
轻量化结构
网络冗余
多尺度特征
预训练模型
系统为您推荐了相关专利信息
风电叶片主梁
失效分析方法
有限元分析模型
节点
子板
激光测距仪器
喷雾控制系统
多传感器融合
喷施设备
叶片
一体化测量方法
车体坐标系
坐标变换方法
拖板
栅格
限流电抗器
防雨帽
仿真模型
叶片倾斜角
防雨装置