公开(公告)号：CN116883364A

公开(公告)日：2023-10-13

申请号：CN202310869642.4

申请日：2023-07-17

Applicant: 安徽大学

Inventor： 庞登浩 ,  孟浩 ,  王弘 ,  黄林生 ,  梁栋 ,  刘家保 ,  周向明 ,  丁宇豪 ,  吴修杨

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  G06N3/084 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/44

Abstract: 本发明涉及一种基于CNN和Transformer的苹果叶片病害识别方法，包括：采集苹果叶片病害图像，并进行处理；对初始苹果叶片病害图像样本中的图像进行预处理，获得初始特征图，初始特征图组成苹果叶片病害图像训练集；基于CNN模型和Transformer模型构建苹果叶片病害图像识别模型；将苹果叶片病害图像训练集输入苹果叶片病害识别模型中进行训练；获取待检测的苹果叶片病害图像并进行预处理；将预处理后的待检测的苹果叶片病害图像输入训练后的苹果叶片病害识别模型，得到苹果叶片病害识别结果。本发明通过将Transformer模型融合到CNN模型中，实现对苹果叶片图像病害的准确识别；实现对苹果叶片病害的全局和局部信息的综合建模。

公开(公告)号：CN114743023B

公开(公告)日：2022-08-26

申请号：CN202210664056.1

申请日：2022-06-14

Applicant: 安徽大学

Inventor： 庞登浩 ,  王弘 ,  孟浩 ,  陈鹏 ,  梁栋 ,  徐超 ,  王海涛

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00

Abstract: 本发明涉及一种基于RetinaNet模型的麦蜘蛛图像检测方法，与现有技术相比解决了针对麦蜘蛛图像检测效率低、鲁棒性差的缺陷。本发明包括以下步骤：麦蜘蛛图像样本的获取和预处理；麦蜘蛛图像样本的扩充；麦蜘蛛图像检测模型的构建；麦蜘蛛图像检测模型的训练；待检测图像的获取；麦蜘蛛图像检测结果的获得。本发明将多头自注意力模块与残差网络融合，组成了一个新颖的并行骨干网络架构，利用高分辨率的特征图提取小目标的特征，基于交互特征图之间的上下文信息，通过重新设计更符合小目标的锚框，实现了更高效、更准确的麦蜘蛛虫害图像检测。

公开(公告)号：CN114743023A

公开(公告)日：2022-07-12

申请号：CN202210664056.1

申请日：2022-06-14

Applicant: 安徽大学

Inventor： 庞登浩 ,  王弘 ,  孟浩 ,  陈鹏 ,  梁栋 ,  徐超 ,  王海涛

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00

Abstract: 本发明涉及一种基于RetinaNet模型的麦蜘蛛图像检测方法，与现有技术相比解决了针对麦蜘蛛图像检测效率低、鲁棒性差的缺陷。本发明包括以下步骤：麦蜘蛛图像样本的获取和预处理；麦蜘蛛图像样本的扩充；麦蜘蛛图像检测模型的构建；麦蜘蛛图像检测模型的训练；待检测图像的获取；麦蜘蛛图像检测结果的获得。本发明将多头自注意力模块与残差网络融合，组成了一个新颖的并行骨干网络架构，利用高分辨率的特征图提取小目标的特征，基于交互特征图之间的上下文信息，通过重新设计更符合小目标的锚框，实现了更高效、更准确的麦蜘蛛虫害图像检测。