公开(公告)号：CN113033520A

公开(公告)日：2021-06-25

申请号：CN202110569852.2

申请日：2021-05-25

Applicant: 华中农业大学

Inventor： 佃袁勇 ,  韩泽民 ,  林浩然 ,  周靖靖 ,  周志翔 ,  王鹏程

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的树木线虫病害木识别方法及系统,其方法包括采集树木线虫病害区域的影像信息，对影像信息中的病害木位点进行标记并形成标记点；基于标记点构建以病害木位点为中心的二维高斯空间置信图；构建多尺度空间注意力卷积神经网络模型，并利用二维高斯空间置信图结合深度学习算法对多尺度空间注意力卷积神经网络模型进行训练；利用训练后的多尺度空间注意力卷积神经网络模型对目标区域树木线虫病害进行预测识别，得到病害预测结果。本发明可提高目标识别的准确性，通过多尺度空间注意力卷积神经网络模型融合不同感受野下的特征图，将多分辨率的深度信息整合到常规空间语义中，提升模型对于病害木与周围关系的学习和识别能力。

公开(公告)号：CN113033520B

公开(公告)日：2021-08-13

申请号：CN202110569852.2

申请日：2021-05-25

Applicant: 华中农业大学

Inventor： 佃袁勇 ,  韩泽民 ,  林浩然 ,  周靖靖 ,  周志翔 ,  王鹏程

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的树木线虫病害木识别方法及系统,其方法包括采集树木线虫病害区域的影像信息，对影像信息中的病害木位点进行标记并形成标记点；基于标记点构建以病害木位点为中心的二维高斯空间置信图；构建多尺度空间注意力卷积神经网络模型，并利用二维高斯空间置信图结合深度学习算法对多尺度空间注意力卷积神经网络模型进行训练；利用训练后的多尺度空间注意力卷积神经网络模型对目标区域树木线虫病害进行预测识别，得到病害预测结果。本发明可提高目标识别的准确性，通过多尺度空间注意力卷积神经网络模型融合不同感受野下的特征图，将多分辨率的深度信息整合到常规空间语义中，提升模型对于病害木与周围关系的学习和识别能力。