摘要
本发明公开了农业遥感与深度学习技术领域内的一种多模态特征数据融合的小麦氮素处方图自动生成方法,步骤1,对AM‑YOLOv7网络模型中的主干特征提取网络进行优化;步骤2,对AM‑YOLOv7网络模型中的激活函数进行优化;步骤3,对AM‑YOLOv7网络模型中的特征融合金字塔网络进行优化;步骤4,对优化后的AM‑YOLOv7网络模型验证其轻量化效果;步骤5,对优化后的AM‑YOLOv7网络模型进行迁移学习与模型训练;步骤6,利用优化后的AM‑YOLOv7网络模型模型输出检测结果。保障育种人员在实际场景中对小麦单穗赤霉病感染率进行实时检测适用于边缘设备部署,解决了因网络模型层级深、参数量大以及运算内存和算力要求高,导致无法满足实际抗病育种场景中小麦单穗赤霉病感染率现场检测需求的问题。
技术关键词
多模态特征
自动生成方法
归一化植被指数
多尺度特征金字塔
分支
小麦单穗
金字塔特征
交互注意力
多光谱
跨模态
编码器结构
Sigmoid函数
融合多尺度特征
图像数据预处理
非线性映射关系
光谱特征提取
系统为您推荐了相关专利信息
固废识别方法
塑料薄膜
实例分割网络
多阶段特征
特征融合网络
故障诊断方法
多头注意力机制
滚动轴承
特征提取器
分类器
交通信号控制信息
轨迹特征
交互特征
运动特征
注意力