公开(公告)号：CN112036335A

公开(公告)日：2020-12-04

申请号：CN202010915753.0

申请日：2020-09-03

Applicant: 南京农业大学

Inventor： 任守纲 ,  贾馥玮 ,  顾兴健 ,  徐焕良 ,  李庆铁 ,  王浩云 ,  袁培森

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。

公开(公告)号：CN112036335B

公开(公告)日：2023-12-26

申请号：CN202010915753.0

申请日：2020-09-03

Applicant: 南京农业大学

Inventor： 任守纲 ,  贾馥玮 ,  顾兴健 ,  徐焕良 ,  李庆铁 ,  王浩云 ,  袁培森

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。