摘要
本发明涉及大豆考种技术领域,尤其涉及一种基于Transformer‑faster‑Rcnn改进的大豆考种系统及方法,系统中以基于Swin‑Transform结构的豆荚识别网络对自然形态成熟状态下的豆荚和茎进行准确识别,通过对抗神经网络结构的豆荚图像修复网络解决豆荚与豆荚之间相互遮挡的问题。通过优化网络结构显著提升了复杂场景下的表型识别效率与准确性;方法中采用结合Focal_Loss损失的识别损失函数,降低易分类样本的损失贡献,使模型更加关注难分类样本,进而有助于解决类别不平衡问题,提升模型的鲁棒性。
技术关键词
变换特征
大豆
输出特征
训练集
图像块
阈值分割算法
模块
神经网络结构
金字塔结构
上采样
压缩特征
通道
坐标
拍摄设备
多组合
图像增强
轮廓
系统为您推荐了相关专利信息
肺音分类
分支
Softmax函数
输出特征
线性
胶囊机器人
自动定位方法
联合损失函数
特征金字塔
高斯概率密度函数
语义分割方法
金字塔池化
对齐模块
网络
输出特征
解密图像
隐私保护方法
图像块
密钥
二维离散余弦变换