【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及病蟲害防治，具體為一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法。
技術(shù)介紹
1、棉花是一種重要的經(jīng)濟(jì)作物，在生長過程中會受到多種昆蟲的侵害，對棉花的品質(zhì)和產(chǎn)量造成重大影響。因此，準(zhǔn)確識別棉花蟲害是防治棉花蟲害的關(guān)鍵環(huán)節(jié)，也能減少農(nóng)藥的使用，促進(jìn)綠色農(nóng)業(yè)的發(fā)展，近年來，隨著農(nóng)業(yè)4.0的快速發(fā)展，利用先進(jìn)的信息系統(tǒng)和互聯(lián)網(wǎng)技術(shù)可以實(shí)現(xiàn)對大量農(nóng)業(yè)數(shù)據(jù)的采集、分析、處理和變現(xiàn)，為農(nóng)業(yè)決策支持系統(tǒng)提供幫助。利用圖像處理方法提取棉花葉片的病蟲害特征，從而實(shí)現(xiàn)棉花病蟲害的分類。
2、目前，圖像分類方法大致可分為兩大類，即基于傳統(tǒng)人工特征提取的方法和基于深度學(xué)習(xí)的自動特征學(xué)習(xí)方法，傳統(tǒng)的人工特征提取方法通常基于圖像中的灰度值、形狀和紋理等特征，利用專家知識對這些特征進(jìn)行人工設(shè)計(jì)，從而實(shí)現(xiàn)目標(biāo)區(qū)域的自動分割，例如閾值分類法、聚類分類法、基于區(qū)域的分類法和基于邊緣檢測的分類法，這些方法通常需要大量的先驗(yàn)知識來提取人工特征進(jìn)行分類，然而，設(shè)計(jì)出的人工特征只能對特定數(shù)據(jù)集的分類任務(wù)有效，而且性能不穩(wěn)定。基于深度學(xué)習(xí)的分類方法采用像素分類的思想，不同于傳統(tǒng)的人工特征提取方法，可以自動從圖像中提取語義信息，學(xué)習(xí)數(shù)據(jù)的表示方法，有效克服了傳統(tǒng)人工特征分類的局限性，移動窗口視覺變換器(swi?n?transformer)為視覺領(lǐng)域的研究提供了新的方向。基于變換器的視覺研究發(fā)展迅速，涵蓋了靜態(tài)圖像分類、目標(biāo)檢測和語義分割等任務(wù)，以及視頻分類和目標(biāo)跟蹤等時態(tài)任務(wù)。
3、但現(xiàn)有的棉花蟲害識別方法仍然存在不足之處，具體為：現(xiàn)有基于
4、因此，需要一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法來解決上述
技術(shù)介紹
中提出的問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，以解決上述
技術(shù)介紹
中提出的問題。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，包括以下步驟：
4、s1，建立棉花蟲害葉部圖像數(shù)據(jù)集，在對棉花葉部圖像進(jìn)行預(yù)處理和數(shù)據(jù)增強(qiáng)工作后，進(jìn)行標(biāo)簽標(biāo)注，得到圖像數(shù)據(jù)；
5、s2，建立檢測模型，使用處理后的圖像數(shù)據(jù)訓(xùn)練檢測模型；
6、s3，將采集的棉花無人機(jī)圖像進(jìn)行裁剪處理，獲得多個圖像，并依次編序，將排序好的圖像數(shù)據(jù)依次輸入到完成訓(xùn)練的棉花蟲害模型，進(jìn)行棉花蟲害檢測，將輸出結(jié)果用大小相等、顏色不同的圖塊進(jìn)行種類標(biāo)注，按照裁剪順序?qū)z測結(jié)果拼接在一起，最終生成蟲害分布圖。
7、作為本專利技術(shù)優(yōu)選的方案，所述s1中標(biāo)簽標(biāo)注的具體方法為在植保專家的指導(dǎo)下，將采集的棉花葉部圖像按照不同蟲害的葉部特征進(jìn)行正確分類，重新命名每張棉花圖像的文件名，完成分類標(biāo)簽。
8、作為本專利技術(shù)優(yōu)選的方案，所述s1中預(yù)處理和數(shù)據(jù)增強(qiáng)的具體方法為：將數(shù)據(jù)文件剪裁成統(tǒng)一尺寸，將剪裁處理后的棉花圖像依次進(jìn)行旋轉(zhuǎn)90°、180°鏡像、亮度調(diào)暗0.9,、亮度調(diào)亮1.5以及高斯濾波的圖像處理，實(shí)現(xiàn)圖像增廣。
9、作為本專利技術(shù)優(yōu)選的方案，所述s2中檢測模型為使用swin-transformer為主干并融合多尺度殘差模塊和跳躍連接的深度學(xué)習(xí)網(wǎng)絡(luò)，檢測模型包括圖塊分割模塊、線性排序模塊、多尺度殘差模塊、網(wǎng)絡(luò)主干模塊以及分類模塊部分。
10、作為本專利技術(shù)優(yōu)選的方案，所述網(wǎng)絡(luò)主干模塊由多個transformer編碼器組成，同時包含窗口注意力和滑動窗口注意力。
11、作為本專利技術(shù)優(yōu)選的方案，所述多尺度殘差模塊包括多尺度深度卷積層(dwconv)、歸一化層以及relu激活函數(shù)層體，具體結(jié)構(gòu)表達(dá)式為其中x為輸入，σ為relu激活函數(shù)，bn為歸一化操作，輸出為y。
12、作為本專利技術(shù)優(yōu)選的方案，s2中訓(xùn)練檢測模型的具體步驟為：將圖像文件輸入到檢測模型中，圖像為h*w*3的圖像，即h*w像素、3通道的二維圖像，檢測模型通過殘差模塊提取出一個大小為h*w*3的特征圖，圖塊分割部分將特征圖分割成一系列大小相等的圖像塊，線性排序?qū)D像塊中每個像素的通道數(shù)據(jù)做線性變換，將位置信息嵌入到特征向量中，以便檢測模型能夠感知到圖像塊的相對位置，圖像特征圖變?yōu)閔/4*w/4*3，patch?merging進(jìn)行下采樣，利用swintransformerblock提取分類特征，分類模塊對提取出的特征信息進(jìn)行分類。
13、作為本專利技術(shù)優(yōu)選的方案，所述線性排序與swintransformerblock間引入跳躍連接，增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力。
14、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果是：
15、1、本專利技術(shù)中，通過建立棉花蟲害葉部圖像數(shù)據(jù)集，在對棉花葉部圖像進(jìn)行預(yù)處理和數(shù)據(jù)增強(qiáng)工作后，進(jìn)行標(biāo)簽標(biāo)注，得到圖像數(shù)據(jù)，建立檢測模型，使用處理后的圖像數(shù)據(jù)訓(xùn)練檢測模型，，將采集的棉花無人機(jī)圖像進(jìn)行裁剪處理，獲得多個圖像，并依次編序，將排序好的圖像數(shù)據(jù)依次輸入到完成訓(xùn)練的棉花蟲害模型，進(jìn)行棉花蟲害檢測，將輸出結(jié)果用大小相等、顏色不同的圖塊進(jìn)行種類標(biāo)注，按照裁剪順序?qū)z測結(jié)果拼接在一起，最終生成蟲害分布圖，檢測模型以swi?n?transformer為主干，構(gòu)建并引入多尺度殘差模塊和跳躍連接，加強(qiáng)葉片細(xì)小特征提取，構(gòu)建棉花蟲害的分類模型，實(shí)現(xiàn)大田環(huán)境下棉花蟲害的識別，最終生成蟲害分布圖，為精準(zhǔn)施藥提供技術(shù)支持，并實(shí)現(xiàn)跨地區(qū)，快速精準(zhǔn)分類，解決了現(xiàn)有棉花蟲害識別方法存在著數(shù)據(jù)無法跨時空遷移處理和在檢測尺度方面存在不足導(dǎo)致模型分類精確度較低的問題。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述S1中標(biāo)簽標(biāo)注的具體方法為在植保專家的指導(dǎo)下，將采集的棉花葉部圖像按照不同蟲害的葉部特征進(jìn)行正確分類，重新命名每張棉花圖像的文件名，完成分類標(biāo)簽。
3.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述S1中預(yù)處理和數(shù)據(jù)增強(qiáng)的具體方法為：將數(shù)據(jù)文件剪裁成統(tǒng)一尺寸，將剪裁處理后的棉花圖像依次進(jìn)行旋轉(zhuǎn)90°、180°鏡像、亮度調(diào)暗0.9,、亮度調(diào)亮1.5以及高斯濾波的圖像處理，實(shí)現(xiàn)圖像增廣。
4.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述S2中檢測模型為使用Swin-Transformer為主干并融合殘差模塊和跳躍連接的深度學(xué)習(xí)網(wǎng)絡(luò)，檢測模型包括圖塊分割模塊、線性排序模塊、殘差模塊、網(wǎng)絡(luò)主干模塊以及分類模塊部分。
5.根據(jù)權(quán)利要求4所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述網(wǎng)絡(luò)主
6.根據(jù)權(quán)利要求4所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述多尺度殘差模塊包括多尺度深度卷積層（DWConv）、歸一化層以及ReLU激活函數(shù)層體，具體結(jié)構(gòu)表達(dá)式為，其中X為輸入，為ReLU激活函數(shù)，BN為歸一化操作，輸出為y。
7.?根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：S2中訓(xùn)練檢測模型的具體步驟為：將圖像文件輸入到檢測模型中，圖像為H?*?W*?3的圖像，即H?*?W像素、3通道的二維圖像，檢測模型通過殘差模塊提取出一個大小為H?*?W?*3的特征圖，圖塊分割部分將特征圖分割成一系列大小相等的圖像塊，線性排序?qū)D像塊中每個像素的通道數(shù)據(jù)做線性變換，將位置信息嵌入到特征向量中，以便檢測模型能夠感知到圖像塊的相對位置，圖像特征圖變?yōu)镠/4?*?W/4?*?3，Patch?Merging進(jìn)行下采樣，利用Swin?Transformer?block提取分類特征，分類模塊對提取出的特征信息進(jìn)行分類。
8.?根據(jù)權(quán)利要求7所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述線性排序與Swin?Transformer?block間引入跳躍連接，增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力。
...【技術(shù)特征摘要】
1.一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述s1中標(biāo)簽標(biāo)注的具體方法為在植保專家的指導(dǎo)下，將采集的棉花葉部圖像按照不同蟲害的葉部特征進(jìn)行正確分類，重新命名每張棉花圖像的文件名，完成分類標(biāo)簽。
3.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述s1中預(yù)處理和數(shù)據(jù)增強(qiáng)的具體方法為：將數(shù)據(jù)文件剪裁成統(tǒng)一尺寸，將剪裁處理后的棉花圖像依次進(jìn)行旋轉(zhuǎn)90°、180°鏡像、亮度調(diào)暗0.9,、亮度調(diào)亮1.5以及高斯濾波的圖像處理，實(shí)現(xiàn)圖像增廣。
4.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述s2中檢測模型為使用swin-transformer為主干并融合殘差模塊和跳躍連接的深度學(xué)習(xí)網(wǎng)絡(luò)，檢測模型包括圖塊分割模塊、線性排序模塊、殘差模塊、網(wǎng)絡(luò)主干模塊以及分類模塊部分。
5.根據(jù)權(quán)利要求4所述的一種基于無人機(jī)精準(zhǔn)施藥棉花蟲害的識別分類方法，其特征在于：所述網(wǎng)絡(luò)主干模塊由多個transformer編碼器組成，同時包含窗口注意力和滑動窗口注意力。
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李平，張婷，董紅強(qiáng)，張鳳奎，朱吉魁，王玉龍，何若泓，
申請(專利權(quán))人：塔里木大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。