1.一种基于显著性目标检测的复杂背景下棉花病害识别方法,其特征在于,所述方法包括以下步骤:S100:搭建棉花病害识别模型,包括特征编码模块、掩码解码模块、特征变换模块和识别解码模块;
S200:获取棉花病害数据集,输入至特征编码模块中,提取棉花图像的语义特征和带有背景噪声的病害特征;
S200中的特征编码模块包括6个不同尺度和维度的Unet-Block结构,分别为编码U-B1、编码U-B2、编码U-B3、编码U-B4、编码U-B5和编码U-B6,棉花病害图像首先通过U-B1得到第一特征,复制留存第一特征,将第一特征输入至U-B2得到第二特征,复制留存第二特征,将第二特征输入至U-B3得到第三特征,复制留存第三特征,将第三特征输入至U-B4得到第四特征,复制留存第四特征,将第四特征输入至U-B5得到第五特征,复制留存第五特征,将第五特征输入至U-B6与第五特征融合得到第六特征,复制留存第六特征;其中,第一特征至第六特征中包含了不同维度的棉花图像的语义特征,第六特征中还包含了带有背景噪声的病害特征;
S300:将棉花图像的语义特征输入至掩码解码模块,掩码解码模块通过跳跃连接特征编码模块,通过逐步上采样解码过程得到突出前景的掩码;
S400:将掩码输入至特征变换模块,得到变换的掩码特征;
S400中的特征变换模块包括依次连接的sigmoid函数、卷积层、视图层、softmax函数和线性层,将掩码特征输入至特征变换模块,特征变换模块将棉花叶面掩码变化成包含棉花叶面前景信息的可处理视觉token;
S500:将带有背景噪声的棉花病害特征和变换的掩码特征输入识别解码模块,识别解码模块整合掩码特征中的前景信息和提取的带有背景噪声的棉花病害信息进行虫害检测,得到识别结果;
S600:根据识别结果和预设的损失函数对棉花病害识别模型的参数进行更新,在参数更新过程中,使用指数移动平均方法平滑模型参数的更新过程,得到更新后的棉花识别模型;
S700:获取实时棉花病害图片,输入至更新后的棉花识别模型,得到棉花病害识别结果;
S500中识别解码模块包括多头注意力机制、多层感知机和全连接层,多层感知机包括第一个线性层、激活层、随机失活和第二个线性层,多头注意力机制用于通过隐藏信息矩阵对第六特征和可处理视觉token进行编码,区分棉花病害叶片的前景和背景,将多头注意力机制输出特征与可处理视觉token进行残差连接后输入至多层感知机,多层感知机用于通过多个线性层的逐层传递和激活函数的非线性变换对输入特征中的带有背景噪声的棉花病害进行提取和转换,来学习输入特征中的棉花病害深层特征,将多层感知机输出的特征与多层感知机的输入特征进行残差连接后输入至全连接层,全连接层输出棉花病害识别结果。
2.根据权利要求1所述的方法,其特征在于,S300中的掩码解码模块包括5个不同尺度和维度的Unet-Block结构,分别为解码U-B5、解码U-B4、解码U-B3、解码U-B2和解码U-B1,每一个解码U-B后得到的特征通过跳跃连接融合对应的编码U-B得到的特征;其中,第六特征输入至解码U-B5,解码U-B5输出的特征与编码U-B5输入的第四特征进行融合输入至解码U-B4,解码U-B4输出的特征与编码U-B4输入的第三特征进行融合输入至解码U-B3,解码U-B3输出的特征与编码U-B3输入的第二特征进行融合输入至解码U-B2,解码U-B2输出的特征与编码U-B2输入的第一特征进行融合输入至解码U-B1,解码U-B1输出突出前景的掩码。
3.根据权利要求2所述的方法,其特征在于,当输入的patch序列为第六特征和可处理视觉token时,多头注意力机制的计算公式如下:其中,
4.根据权利要求3所述的方法,其特征在于,预设的损失函数具体为:
其中,
5.根据权利要求4所述的方法,其特征在于,S600中使用指数移动平均方法平滑模型参数的更新过程,包括:使用指数移动平均方法获取影子权重,具体为:
其中,
根据影子权重更新模型参数,平滑更新过程。