[发明专利]一种基于改进深度残差网络的农作物病害识别方法及系统

权利要求书

1.一种基于改进深度残差网络的农作物病害识别方法，其特征在于，包括步骤：

S1、通过预设方式获取农作物病害图片；

S2、将获取的农作物病害图片进行处理；

S3、将处理后的农作物图片经过农作物病害识别的训练模型进行检测，并获得检测结果。

2.根据权利要求1所述的一种基于改进深度残差网络的农作物病害识别方法，其特征在于，步骤S3中获得所述训练模型的步骤包括：

S31、通过预设方式获取农作物病害图片，并建立对应的数据集；

S32、通过OpenCV将数据集中的农作物病害图片进行预处理；

S33、根据农作物病害及其患病程度，将预处理后的农作物病害图片人工分为预设类别，分别用标签标记对应的类别；

S34、将不同类别的农作物病害图片通过融合了注意力机制的深度残差网络进行特征提取；

S35、通过包含特征图的图片对深度残差网络进行训练；

S36、通过预设参数优化算法优化所述深度残差网络，并得到训练模型。

3.根据权利要求2所述的一种基于改进深度残差网络的农作物病害识别方法，其特征在于，步骤S34的具体步骤包括：

S341、将不同类别的农作物病害图片输入到融合了注意力模块的深度残差网络中获得预设图像特征值；

S342、通过全局池化将每个通道的二维特征值顺着空间维度进行压缩；

S343、通过预设函数为每个通道生成权重值；

S344、将得到的权重值与原始特征值相乘，得到特征图。

4.根据权利要求3所述的一种基于改进深度残差网络的农作物病害识别方法，其特征在于，步骤S36的具体步骤为：

S361、通过对梯度的一阶矩估计和二阶矩估计进行综合计算来调整所述训练模型的学习率；

S362、通过预设损失函数降低所述训练模型的过拟合。

5.根据权利要求4所述的一种基于改进深度残差网络的农作物病害识别方法，其特征在于，步骤S361中，对梯度的一阶矩估计的公式为：

m_t＝β₁m_t-1+(1-β₁)g_t；

对梯度的二阶矩估计的表达式为：

其中，β₁为一阶矩估计的指数衰减率，β₂为二阶矩估计的指数衰减率，下标t为当前时刻；下标t-1为前一时刻，g_t为在t时刻对应参数的梯度。

6.根据权利要求4所述的一种基于改进深度残差网络的农作物病害识别方法，其特征在于，步骤S362中，所述预设损失函数的表达式为：

J_θ＝-∑_xP(x；θ)log q(x；θ)+λ||θ||²

其中，J为训练损失；θ为权重参数；P为期望的类别概率；x为批次训练样本；q为预测的类别概率；λ为正则项系数。

7.一种基于改进深度残差网络的农作物病害识别系统，其特征在于，包括：

图片获取模块，用于通过预设方式获取农作物病害图片；

图片处理模块，用于将获取的农作物病害图片进行处理；

图片检测模块，用于将处理后的农作物图片经过农作物病害识别的训练模型进行检测，并获得检测结果。