欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024106543255
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于CNN和ViT的柑橘黄龙病害识别方法,其特征在于:该方法包括下列顺序的步骤:(1)柑橘黄龙病害图像样本的获取并进行预处理:采集真实背景下果园里柑橘黄龙病的图片作为柑橘黄龙病害图像样本,对柑橘黄龙病害图像样本进行预处理;

(2)将预处理后的柑橘黄龙病害图像样本组成数据集,将数据集划分为训练集、验证集和测试集;

(3)构建柑橘黄龙病害图像识别模型,所述柑橘黄龙病害图像识别模型由CNN分支模型和ViT分支模型组成;

(4)对训练集进行预处理,将预处理后的训练集输入柑橘黄龙病害识别模型中进行训练,得到训练后的柑橘黄龙病害识别模型;

(5)获取待识别的柑橘黄龙病害图像并进行预处理,将预处理后的待识别的柑橘黄龙病害图像输入训练后的柑橘黄龙病害识别模型,得到柑橘黄龙病害识别结果;

在步骤(1)、步骤(4)和步骤(5)中,所述预处理是指删除不清楚的图片,进行随机旋转、随机裁剪和图像增强,所述随机裁剪是指将图像裁剪尺寸为224×224的大小;

在步骤(2)中,将数据集按8:1:1的比例划分为训练集、验证集和测试集;

在步骤(3)中,所述CNN分支模型包括七层结构,分别为:

第一层为一个7×7的卷积,第一层的输入图像尺寸为224×224×3,第一层的输出特征图尺寸为112×112×64;

第二层为一个最大池化层,第二层的输入特征图尺寸为112×112×64,第二层的输出特征图尺寸为56×56×64;

第三层为第一个级联的残差模块,所述第一个级联的残差模块包括两个分支,其中一个分支由1×1卷积、3×3卷积、1×1卷积依次串联组成,该分支与一个残差边分支并联,两个分支特征图进行加操作,第三层的输入特征图尺寸为56×56×64,第三层的输出特征图尺寸为56×56×256;

第四层为第二个级联的残差模块,所述第二个级联的残差模块包括两个分支,其中一个分支由1×1卷积、3×3卷积、1×1卷积依次串联组成,该分支与一个带有1×1卷积层的残差边分支并联,两个分支特征图进行加操作,第四层的输入特征图尺寸为56×56×256,第四层的输出特征图尺寸为56×56×256;

第五层与第四层的结构相同,第五层的输入特征图尺寸为56×56×256,第五层的输出特征图尺寸为14×14×1024;

第六层为一个1×1卷积,第六层的输入特征图尺寸为14×14×1024,第六层的输出特征图尺寸为14×14×320;

第七层为一个自适应平均池化层;

在步骤(3)中,所述ViT分支模型包括七层结构,分别为:

第一层由一个用于降维的卷积核为3×3的卷积和一个用于提取特征的MV2模块串联组成;

第二层由一个步长为1的MV2模块和一个步长为2的MV2模块串联组成;

第三层由一个步长为2的MV2模块和一个轻量化注意力模块串联组成;

第四层、第五层的结构均与第三层相同;

第六层为一个卷积核为1×1的卷积;

第七层为一个自适应平均池化层;

所述步骤(4)具体包括以下步骤:

(4a)进行前向传播:输入预处理后的训练集,经过柑橘黄龙病害图像识别模型进行前向传播;

(4b)根据损失函数计算损失:

其中,yi表示真实标签的概率分布向量中的第i个元素,pi表示柑橘黄龙病害图像识别模型的预测概率分布向量中的第i个元素,N表示元素的个数;λ是正则化参数,用于控制正则化的强度;w表示权重参数;

(4c)根据损失结果,反向传播,更新参数;

(4d)重复步骤(4a)至步骤(4c),直到损失收敛,得到预测效果最好的权重;

所述MV2模块包括一个卷积核大小为1×1的下投影卷积、一个卷积核大小为3×3的深度卷积和一个卷积核大小为1×1的上投影卷积,通过下投影卷积将输入维度降维,通过深度卷积进行特征提取,再通过上投影卷积恢复维度,在下投影卷积前和上投影卷积后引入一个残差边分支;

所述轻量化注意力模块包括两个3×3的卷积、两个1×1的卷积、一个Transformer模块和一个拼接模块,首先将特征图通过一个3×3的卷积进行局部的特征建模,然后通过一个1×1的卷积调整通道数,接着通过Transformer模块进行全局的特征建模,然后再通过一个卷积核大小为1×1的卷积将通道数调整回原始大小,接着通过残差边分支与原始输入特征图进行拼接,最后再通过一个3×3的卷积做特征融合得到输出。