[发明专利]基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法

权利要求书

1.基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法，其特征在于：包括以下步骤：

步骤1：构建植物叶片病害数据集：通过现实采集或者从网络中获取公开的数据集，将获得到的图像数据，按照病害种类和病害程度分为两大类，每一类的图像数据按比例划分训练集和测试集；

步骤2：数据预处理：读取每一张图像尺寸信息，检验尺寸是否达到要求；若满足尺寸要求则不做处理，若不满足要求则需要利用双线性插值的方法，调整图像的尺寸大小；

步骤3：建模步骤：卷积层和区域分区作为第1个阶段，在Swin Transformer模型5个阶段的基础上构建Convolutional Swin Transformer6个阶段的模型结构；

步骤4：确定训练参数步骤：根据数据集图像总数量，以及图像除了待检测叶片外包含的背景是否复杂数据因素，初步确定模型训练参数；

步骤5：训练模型：在PyTorch框架下，将经过预处理的数据集送入模型中按照步骤4设置的超参数进行训练；

步骤6：将训练好的模型，利用步骤1划分出的测试集经行测试；

步骤7：最后得到的植物病害种类分类模型和植物病害程度识别模型用于植物病害程度和种类的识别与分类。

2.根据权利要求1所述的基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法，其特征在于：每一类的图像数据根据数据总量按照8：2的比例划分训练集和测试集，即训练集图像数据数量占总数量的80%，其余作为测试集。

3.根据权利要求1或2所述的基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法，其特征在于：每一张图像尺寸为224×224×3，其中宽和高都是224个像素，并且每张图像拥有红绿蓝三个通道。