[发明专利]一种花粉颗粒识别方法及装置

权利要求书

1.一种花粉颗粒识别方法，其特征在于，包括：

获取待识别花粉颗粒的图像；

将所述待识别花粉颗粒的图像输入至图像识别模型，输出所述待识别花粉颗粒的识别结果；

其中，所述图像识别模型是基于花粉颗粒样本的样本图像以及对应的识别标签进行训练后得到的；所述识别标签是根据所述花粉颗粒样本预先确定的，并与所述样本图像一一对应；所述图像识别模型包括特征提取网络和两个注意力机制模型，所述两个注意力机制模型分别是CBAM通道注意力机制模型和DANet通道注意力机制模型。

2.根据权利要求1所述的花粉颗粒识别方法，其特征在于，所述将所述待识别花粉颗粒的图像输入至图像识别模型，输出所述待识别花粉颗粒的识别结果，具体包括：

将所述待识别花粉颗粒图像输入至所述图像识别模型中的所述特征提取网络，输出所述待识别花粉颗粒图像的第一特征图；

将所述第一特征图输入至所述图像识别模型中的所述CBAM通道注意力机制模型进行处理，输出第二特征图；

将所述第二特征图输入至所述图像识别模型中的所述DANet通道注意力机制模型进行处理，输出第三特征图；

将所述第三特征图输入至所述图像识别模型中的全连接层进行分类，输出所述待识别花粉颗粒的识别结果。

3.根据权利要求1或2所述的花粉颗粒识别方法，其特征在于，所述图像识别模型是基于花粉颗粒样本的样本图像以及对应的识别标签进行训练后得到的，具体包括：

选取花粉颗粒图像进行标签处理并基于标签处理后的花粉颗粒图像构建数据集；

基于双通道注意力机制构建图像识别模型；

利用所述数据集对所述图像识别模型进行训练。

4.根据权利要求3所述的花粉颗粒识别方法，其特征在于，所述基于双通道注意力机制构建图像识别模型，具体包括：

构建所述特征提取网络；

构建所述CBAM的通道注意力机制模型；

构建所述DANet通道注意力机制模型；

将所述CBAM的通道注意力机制模型和所述DANet通道注意力机制模型进行连接。

5.根据权利要求4所述的花粉颗粒识别方法，其特征在于，所述将所述CBAM的通道注意力机制模型和所述DANet通道注意力机制模型进行连接，具体包括：

获取所述特征提取网络输出的第一输入特征图F₁；

获取所述CBAM的通道注意力机制模型输出的过程特征图F′₁；

将所述第一输入特征图F₁与所述过程特征图F′₁相加得到第二输入特征图F₂；

将所述第二输入特征图F₂输入至所述DANet通道注意力机制模型。

6.根据权利要求3所述的花粉颗粒识别方法，其特征在于，所述基于标签处理后的花粉颗粒图像构建数据集，具体包括：

对所述标签处理后的花粉颗粒图像进行数据增强；

将数据增强后的花粉颗粒图像作为数据集。

7.一种花粉颗粒识别装置，其特征在于，包括：

获取模块，用于获取待识别花粉颗粒的图像；

识别模块，用于将所述待识别花粉颗粒的图像输入至图像识别模型，输出所述待识别花粉颗粒的识别结果；

其中，所述图像识别模型是基于花粉颗粒样本的样本图像以及对应的识别标签进行训练后得到的；所述识别标签是根据所述花粉颗粒样本预先确定的，并与所述样本图像一一对应；所述图像识别模型包括特征提取网络和两个注意力机制模型，所述两个注意力机制模型分别是CBAM通道注意力机制模型和DANet通道注意力机制模型。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述花粉颗粒识别方法的步骤。