[发明专利]一种基于Transformer混合架构的作物病害识别模型

权利要求书

1.一种基于Transformer混合架构的作物病害识别模型，其特征在于，包括以下模块：

基于Transformer混合架构的作物病害识别模型的训练模块；

基于Transformer混合架构的作物病害识别模型的识别模块。

2.根据权利要求1所述的模型，其特征在于，所述模型的软件平台使用Pytorch框架开发并搭建。

3.根据权利要求2所述的模型，其特征在于，所述软件平台主要采用python进行编程，所述软件平台的主要模块有：数据加载模块、模型训练模块、网络模型模块、可视化模块。

4.根据权利要求1所述的模型，其特征在于，在所述基于Transformer混合架构的作物病害识别模型的训练模块之前还包括农作物病害图像的采集和预处理模块，其工作步骤为：

农作物病害图像的采集：获取田间环境下不同病害种类的原始农作物图像样本集，记为X＝{X₁，X₂,…,X_n}，其中，X_n表示第n张作物图像样本，n＝1,2,…,N，并记录X_n所对应的病害种类标签，即Y_n，n＝1,2,…,N；

采集到的农作物病害图像的预处理：随机选择12种数据增强方法，对采集到的农作物病害图像进行数据增强，将增强后的数据缩放为224×224像素，按照7:2:1的比例将其分为训练集、验证集和测试集。

5.根据权利要求4所述的模型，其特征在于，所述采集到的农作物病害图像的预处理中的12种数据增强方法包括：平移变换、高斯模糊、随机旋转、垂直翻转、随机裁剪、噪声扰动、对比度变换、缩放变换、尺度变换、色彩抖动、随机灰度化、随机光照变换。

6.根据权利要求1所述的模型，其特征在于，所述基于Transformer混合架构的作物病害识别模型的训练模块的工作步骤为：

定义所述Transformer混合架构的网络模型，包括轻量级卷积神经网络模块和轻量级Transformer模块；其中，轻量级卷积神经网络模块负责提取浅层特征，轻量级Transformer模块负责对提取的浅层特征进行编码，使模型具有全局感知；

将轻量级Transformer模块嵌入到轻量级卷积神经网络架构中，构成基于Transformer混合架构的作物病害识别模型；

将经过预处理后的数据中的训练集和验证集作为输入图像，将Y_n作为识别目标，训练基于Transformer混合架构的作物病害识别模型。

7.根据权利要求6所述的模型，其特征在于，

所述轻量级卷积神经网络由膨胀卷积模块和一系列深度可分离卷积层、一个卷积层、一个全局平均池化层、一个全连接层组成；膨胀卷积模块通过增大模型感受野，使模型更易捕捉作物细小的病斑；将经过预处理后的图像经过膨胀卷积处理后，得到特征精化图像，在经过一系列深度可分离卷积处理后，得到特征图像。