摘要
本发明公开了一种用于识别叶片病害的诊断模型构建方法,包括:构建叶片病害原始图像集;对叶片病害原始图像集进行预处理,生成叶片病害图像样本集;叶片病害图像样本集的内容包括:叶片病害分类、叶片病害阶段及对应图像集;定义基础结构为ResNet50的网络模型,加入IB模块构成ResNet50‑FIB结构;IB模块用于进行多尺度融合和强化处理,输出深层语义特征与空间细节信息,深层语义特征用于匹配叶片病害分类,空间细节信息用于匹配叶片病害阶段;输出层输出根据图像识别的病害分类和病害阶段;对网络模型进行训练,构建生成用于识别叶片病害的诊断模型。根据上述技术方案,可以突破传统模型在精度速度权衡、早期病症误判、跨作物适应性的瓶颈,具备产业化推广潜力。
技术关键词
识别叶片
注意力
阶段
语义特征
基础结构
图像
样本
轮廓特征
通道
分支
多尺度特征提取
分布特征
纹理特征提取
多尺寸
全局平均池化
系统为您推荐了相关专利信息
需求识别方法
编码器模块
多头注意力机制
特征提取网络
融合特征
无线智能控制方法
房车设备
梅尔频率倒谱系数
双向注意力机制
人工智能决策
导流双极板
氢燃料电池
多尺度特征融合网络
图像综合特征
气密性测试装置
客服机器人
消息交互方法
语义向量
语义结构
消息交互装置