1.一种复杂环境下的玉米叶病害图像的识别方法,其特征在于,所述识别方法包括:获取待识别的玉米叶病害图像;
对所述图像执行第一卷积运算以得到第一特征图;
根据公式(1)对所述第一特征图执行第一池化操作以得到第二特征图,fpool=Max(xm,n,xm,n+1,xm,n+2,xm+1,n,xm+1,n+1,xm+1,n+2,xm+2,n,xm+2,n+1,xm+2,n+2),(1)其中,fpool为第一池化操作后的值,x为特征图中的像素值,m、n为像素的位置信息;
对所述第二特征图执行第二卷积运算以得到第三特征图,其中,所述第二卷积运算包括:
将所述第二特征图输入第一卷积核中以得到第一CASF特征;
将所述第二特征图和所述第一CASF特征输入第二卷积核中以得到第二CASF特征;
将所述第一CASF特征和第二CASF特征输入第三卷积核中以得到第三CASF特征;
将所述第三CASF特征输入第四卷积核中以得到所述第三特征图;
根据公式(2)对所述第三特征图执行第二池化操作以得到第四特征图;
其中,yc为第c个通道xc(i,j)的输出,W为输入特征的宽度值,H为输入特征的高度值;
将所述第四特征图输入分类层中以确定所述图像对应的玉米叶病害类型。
2.根据权利要求1所述的识别方法,其特征在于,所述第一卷积核、所述第二卷积核以及所述第三卷积核均包括依次串联的三个卷积核,其中:所述第一卷积核的第一个卷积核的大小为1*1,扩张率为1,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为1,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为1,激活函数为ReLU函数;
所述第二卷积核的第一个卷积核的大小为1*1,扩张率为2,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为2,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为2,激活函数为ReLU函数;
所述第三卷积核的第一个卷积核的大小为1*1,扩张率为3,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为3,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为3,激活函数为ReLU函数;
所述第四卷积核包括一个大小为3*3、步长为2、激活函数为ReLU函数的卷积核。
3.根据权利要求1所述的识别方法,其特征在于,所述对所述第二特征图执行第二卷积运算以得到第三特征图包括:
执行三次所述第二卷积运算,且在任一所述第二卷积运算后,运算后的特征图的通道的数量为运算前的特征图的通道的数量的两倍,运算后的特征图的尺度为运算前的特征图的尺度的一半。
4.根据权利要求1所述的识别方法,其特征在于,所述将所述第四特征图输入分类层中以确定所述图像对应的玉米叶病害类型包括:将所述第四特征图输入分类层中以得到所述图像对应的每种玉米叶病害类型的概率;
选择概率最大的所述玉米叶病害类型作为最终的识别结果。
5.一种复杂环境下的玉米叶病害图像的识别系统,其特征在于,所述系统包括:输入层,用于获取待识别的玉米叶病害图像;
第一卷积层,用于对所述图像执行第一卷积运算以得到第一特征图;
第一池化层,用于根据公式(1)对所述第一特征图执行第一池化操作以得到第二特征图,
fpool=Max(xm,n,xm,n+1,xm,n+2,xm+1,n,xm+1,n+1,xm+1,n+2,xm+2,n,xm+2,n+1,xm+2,n+2),(1)其中,fpool为第一池化操作后的值,x为特征图中的像素值,m、n为像素的位置信息;
第二卷积层,用于对所述第二特征图执行第二卷积运算以得到第三特征图,其中,所述第二卷积层包括:
第一卷积核,用于根据所述第二特征图生成第一CASF特征;
第二卷积核,用于根据所述第二特征图和所述第一CASF特征得到第二CASF特征;
第三卷积核,用于根据所述第一CASF特征和第二CASF特征得到第三CASF特征;
第四卷积核,用于根据所述第三CASF特征得到所述第三特征图;
第二池化层,用于根据公式(2)对所述第三特征图执行第二池化操作以得到第四特征图;
其中,yc为第c个通道xc(i,j)的输出,W为输入特征的宽度值,H为输入特征的高度值;
分类层,用于根据所述第四特征图输入分类层确定所述图像对应的玉米叶病害类型。
6.根据权利要求5所述的识别方法,其特征在于,所述第一卷积核、所述第二卷积核以及所述第三卷积核均包括依次串联的三个卷积核,其中:所述第一卷积核的第一个卷积核的大小为1*1,扩张率为1,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为1,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为1,激活函数为ReLU函数;
所述第二卷积核的第一个卷积核的大小为1*1,扩张率为2,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为2,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为2,激活函数为ReLU函数;
所述第三卷积核的第一个卷积核的大小为1*1,扩张率为3,激活函数为ReLU函数,第二个卷积核的大小为3*3,扩张率为3,激活函数为ReLU函数,第三个卷积核的大小为1*1,扩张率为3,激活函数为ReLU函数;
所述第四卷积核包括一个大小为3*3、步长为2、激活函数为ReLU函数的卷积核。
7.根据权利要求5所述的识别方法,其特征在于,所述第二卷积层为三层,每层包括两个第一卷积核、一个第二卷积核以及一个第四卷积核,其中每层所述第二卷积层的输出的特征图的通道的数量为输入的特征图的通道的数量的两倍,输出的特征图的尺度为输入的特征图的尺度的一半。
8.根据权利要求5所述的识别系统,其特征在于,所述分类层用于:根据第四特征图生成所述图像对应的每种玉米叶病害类型的概率;
选择概率最大的所述玉米叶病害类型作为最终的识别结果。
9.一种训练方法,用于训练如权利要求5至8任一所述的识别系统,其特征在于,包括:预设训练集和测试集;
采用所述训练集训练所述识别系统;
采用所述测试集测试所述识别系统;
计算所述识别系统输出的分类结果和所述测试集的测试图像对应的标准结果的误差;
判断所述误差是否小于预设的误差阈值;
在判断所述误差大于或等于所述误差阈值的情况下,采用公式(3)更新所述识别系统的参数,
2
lasce=pylog(py)lcce+(1‑py)lrce, (3)其中,lasce为自适应交叉熵损失函数,py为输出概率,lcce为正向交叉熵损失,lrce为反向交叉熵损失;
再次将所述采用所述训练集训练所述识别系统,并执行所述训练方法的相应步骤,直到判断所述误差小于所述误差阈值;
在判断所述误差小于所述误差阈值的情况下,输出训练完成的所述识别系统。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如权利要求1至4、9任一所述的方法。