← 返回列表
一种融合频率域和空间域信息的农作物病害图像识别方法
申请人信息
- 申请人:安徽大学
- 申请人地址:230601 安徽省合肥市经济技术开发区九龙路111号安徽大学磬苑校区
- 发明人: 安徽大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种融合频率域和空间域信息的农作物病害图像识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311560242.1 |
| 申请日 | 2023/11/22 |
| 公告号 | CN117576467A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 安徽大学 |
| 发明人 | 李海东; 赵晋陵; 黄林生; 阮超; 黄文江; 梁栋 |
| 地址 | 安徽省合肥市蜀山区肥西路3号 |
摘要文本
本发明涉及一种融合频率域和空间域信息的农作物病害图像识别方法，与现有技术相比解决了难以在复杂环境下实现农作物病害检测的缺陷。本发明包括以下步骤：农作物病害图像的获取及预处理；双分支病害图像识别模型的构建；双分支病害图像识别模型的训练；待识别农作物病害图像的获取；农作物病害图像识别结果的获得。本发明结合图像频率域信息与空间域信息提出了双分支的深度神经网络用于农作物病害识别，频率分支接受频域信息作为输入用于提取丰富的农作物病害频率分量特征，可变形注意力Transformer分支擅长于表征全局特征并且有选择的关注农作物病害局部区域特征，融合方法MSAF更好的融合农作物病害频率特征和空间特征。
专利主权项内容
1.一种融合频率域和空间域信息的农作物病害图像识别方法，其特征在于，包括以下步骤：11)农作物病害图像的获取及预处理：获取田间农作物病害图像并进行预处理；12)双分支病害图像识别模型的构建：基于频率域特征提取网络FCA和具有可变形注意力模块构建的DAT-Transformer网络构建出双分支病害图像识别模型；13)双分支病害图像识别模型的训练：将预处理后的田间农作物病害图像输入双分支病害图像识别模型进行训练；14)待识别农作物病害图像的获取：获取待识别农作物病害图像并进行预处理；15)农作物病害图像识别结果的获得：将预处理后的待识别农作物病害图像输入双分支病害图像识别模型，得到农作物病害图像的识别结果。