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: 2024114297356
申请人: 潍坊科技学院
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:

1.一种基于图像识别的病虫害识别方法,其特征在于,包括以下步骤:S1:构造病虫害识别模型,由动态数据增广及测试时动态跨域自适应两部分组成;

动态数据增广部分为一个可学习的隐式增广器和固定的显式增广器;

测试时动态跨域自适应部分包括训练阶段及模型推理阶段,训练阶段采用YOLO进行训练,模型推理阶段,分为主模型、辅助模型和源模型;

S2:隐式增广器生成的图像由分类器进行推理,基于结果计算损失并更新隐式增广器和分类器,隐式增广器和显式增广器生成的图像合并作为模型训练的输入;

S3:训练阶段,采用YOLOv9进行训练;

S4:模型推理阶段,主模型通过与辅助模型之间的类别、置信度、检测框结果差值计算损失并更新,而辅助模型通过主模型指数移动平均的方式进行更新;

S5:在跨域情况下,辅助模型通过评估预测的置信度来判断域间间隔的大小,仅当检测到置信度小于置信度阀值S6:主模型输出最终结果。

2.根据权利要求1所述的基于图像识别的病虫害识别方法,其特征在于:所述S2的具体步骤为:S21:将图像输入到可学习的隐式增广器对于向量

为激发隐式增广器的多样性,采用多样性促进先验损失为使隐式增广器能够学习到正确的参数,引入一个分类器,利用交叉熵损失其中:

分类器的目标是最小化分类交叉熵损失其中:

隐式增广器

其中:选择权衡参数为

学习率

S22:引入一个显式增广器其中:

3.根据权利要求2所述的基于图像识别的病虫害识别方法,其特征在于:为了提升源模型的泛化能力,使其在面对目标域时能够更加灵活和适应性强,在训练阶段引入动态数据增广部分,通过使用可学习的增广器对训练数据进行智能增强,从而扩展了模型的感知范围和学习能力。

4.根据权利要求3所述的基于图像识别的病虫害识别方法,其特征在于:所述S4的具体流程为:S41:初始化辅助模型:在训练的初始阶段,辅助模型S42:生成伪标签:在每个时间步S43:主模型更新:主模型其中:

损失函数

其中:

利用损失函数

根据以上三个损失,得出时间步其中,

利用总损失对主模型进行更新:其中:

S44:辅助模型权重更新:在主模型更新后,辅助模型的权重

5.根据权利要求4所述的基于图像识别的病虫害识别方法,其特征在于:最终的预测是基于主模型

6.根据权利要求4所述的基于图像识别的病虫害识别方法,其特征在于:所述S5的具体步骤为:通过评估预测的置信度来判断域间间隔的大小,仅当检测到置信度小于置信度阀值其中:

使用预训练模型

设定一个置信度阈值:当预测置信度超过此阈值时,直接采纳模型的输出

7.根据权利要求4所述的基于图像识别的病虫害识别方法,其特征在于:随机恢复,为了防止灾难性的遗忘,设定10%的恢复几率,使主模型从源模型中恢复一部分神经元,避免源域知识的丢失;

考虑主模型在时间步

其中:*表示卷积操作;

随机恢复方法通过以下方式额外更新权重其中:

掩码张量决定将