[发明专利]一种用于农作物病害数据的增强方法在审

专利信息
申请号: 202011505555.3 申请日: 2020-12-18
公开(公告)号: CN112488963A 公开(公告)日: 2021-03-12
发明(设计)人: 高会议;曾明昭;万莉 申请(专利权)人: 中国科学院合肥物质科学研究院
主分类号: G06T5/00 分类号: G06T5/00;G06T9/00;G06K9/62;G06N3/04
代理公司: 合肥天明专利事务所(普通合伙) 34115 代理人: 闫客
地址: 230031 *** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 农作物 病害 数据 增强 方法
【权利要求书】:

1.一种用于农作物病害数据的增强方法,其特征在于,包括:

获取待增强的农作物健康叶片图像;

将待增强的农作物健康叶片图像输入至训练好的生成对抗网络模型中,生成病斑叶片图像,所述生成对抗网络模型包括生成器和判别器,所述生成器的网络架构和所述判别器的网络架构中均设置有类激活图注意力模块。

2.如权利要求1所述的用于农作物病害数据的增强方法,其特征在于,所述生成器包括依次连接的第一编码器、第一类激活图注意力模块和解码器,所述判别器包括依次连接的第二编码器、第二激活图注意力模块和分类器。

3.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述第一类激活图注意力模块和第二类激活图注意力模块均包括全局平均池化层、全局最大池化层、第一全连接层、第二全连接层、第一拼接层、辅助分类器、第二拼接层和卷积层,全局平均池化层输出连接第一全连接层,全局最大池化层的输出连接第二全连接层,第一全连接层和第二全连接层的输出均连接第一拼接层,第一拼接层的输出连接辅助分类器,辅助分类器的输出与第二拼接层输入连接;

全局平均池化层和全局最大池化层的输出还分别经不同的权重值与编码器特征图相乘并作为所述第二拼接层的输入,编码器特征图为所述生成器或所述判别器中的编码器的输出结果,第二拼接层的输出与卷积层连接。

4.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述第一编码器包括第一下采样层和第一残差网络,第一采样层的输出与第一残差网络的输入连接,第一残差网络的输出与所述类激活图注意力模块输入连接。

5.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述解码器包括上采样层和第二残差网络,第二残差网络的输入与所述类激活图注意力模块的输出连接,第二残差网络的输出与上采样层的输入连接,上采样层的输入为所述生成器生成的图像。

6.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述第二编码器包括第二下采样层,第二下采样层的输出与所述第二类激活图注意力模块的输入连接。

7.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述分类器包括全连接卷积神经网络,其输入与所述第二类激活图注意力模块的输出连接、输出为所述判别器的分类结果。

8.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述生成器的激活函数采用线性整流函数,所述判别器的激活函数采用泄露修正线性单元。

9.如权利要求2所述的用于农作物病害数据的增强方法,其特征在于,所述对抗网络模型的损失函数包括对抗损失函数、循环损失函数、一致性损失函数和CAM损失函数,其中:

对抗损失函数为:

其中,S为健康叶片图像构成的源域,T为病斑叶片图像构成的目标域,x为从源域或者从目标域中采样的一张图像,Gs→t(x)表示将一张来自源域的图片经过生成器G转换为目标域的结果,Ex~T:表示图像x来自于目标域T,Ex~S表示图像x来自于源域S,Dt(x)表示判别器Dt对x的判别结果,Dt表示目标域判别器;

循环损失函数为:

一致性损失函数为:

CAM损失函数为:

Lcam=Ex~S[log(n(x))]+Ex~T[log(1-n(x))]

其中,n是CAM模块结构中的辅助分类器。

10.如权利要求1-9任一项所述的用于农作物病害数据的增强方法,其特征在于,在所述获取待增强的农作物健康叶片图像之前,还包括:

采集农作物的健康叶片图像以及病斑叶片图像,并对图像执行多角度旋转伸缩变化处理;

将处理后的图像进行尺寸大小归一化预处理,并由归一化预处理后的图像构建样本数据集,其中样本数据集包括由健康叶片图像构成的源域和由病斑叶片图像构成的目标域;

将源域划分为第一训练集和第一测试集,将目标域划分为第二训练集和第二测试集;

利用第一训练集和第二训练集对构建的生成对抗网络模型进行训练;

利用第一测试集和第二测试集,对构建的生成对抗网络模型进行测试,得到所述预先训练好的生成对抗网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院,未经中国科学院合肥物质科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011505555.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top