摘要
本发明属于人工智能与农业图像识别领域,提供了样式特征增强深度迁移网络的水稻病害识别方法及系统,在识别方法中,利用源域样本集对改进的模型进行训练,得到分类模块;随机初始化样式特征扰动生成器,对源域图像进行细粒度局部样式扰动和动态空间变换的样式增强处理,生成多样化的未见图像样本,构建未见样式特征域;将生成的未见图像样本与源域样本进行融合,通过联合训练策略同步优化样式特征扰动生成器与分类模块;重复执行样式增强过程和联合训练过程,直至达到预设训练轮数,得到用于水稻病害识别的分类模型。本发明得到的具备跨样式、跨场景稳定识别能力的水稻病害分类模型,在多样化农业应用场景中具有良好的推广价值。
技术关键词
水稻病害识别方法
样式
样本
模块
构建分类模型
联合损失函数
动态网格
跨尺度特征融合
编码器
解码器
网络
识别系统
策略
结构对称
图像重建
注意力机制
随机噪声
系统为您推荐了相关专利信息
车险理赔照片
智能分类方法
训练深度学习模型
计算机可读指令
智能分类装置
图像信息识别方法
组织图像数据
残差网络模型
残差结构
解码器
滤波器
数据处理方法
线性回归模型
拉格朗日乘子法
矩阵
呼吸监测系统
可穿戴监测设备
心率
无线传输单元
深度卷积神经网络