买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：石河子大学

摘要：本发明提供了一种大田棉花黄萎病病斑分割方法，首先通过具有多层残差块的CNN网络、Transformer块和特征金字塔模块以及将CNN网络的输出特征图与特征金子塔模块输出的多尺度特征进行通道上的融合模块构建了训练好的大田黄萎病病斑分割模型，并将待测图像输入至训练好的大田黄萎病病斑分割模型中，得到了精准的分割结果。本发明旨在解决传统方法对于病斑形态的识别困难、分割精度不高等问题，以提高大田黄萎病病斑分割的准确性和效率。本发明还旨在为农业生产提供一种高效、可靠的病害检测工具，提高农业生产效益和经济效益，以及减少对环境的不良影响。

主权项：1.一种大田棉花黄萎病病斑分割方法，其特征在于，包括：获取待测图像；将所述待测图像输入至训练好的大田黄萎病病斑分割模型中，得到分割结果；所述大田黄萎病病斑分割模型的构建方法包括：对获取到的多幅棉花黄萎病病斑图像进行图像处理，得到样本图像；将所述样本图像输入至具有多层残差块的CNN网络进行特征提取，并利用最大池化层进行降维，得到降维后的局部特征图；将降维后的局部特征图输入至特征图嵌入模块，得到具有位置信息的一维向量；将所述一维向量输入至Transformer块中重复12次，得到全局特征融合数据，并将全局特征融合数据进行调整，得到二维全局特征图；将所述二维全局特征图输入到特征金字塔模块，以对所述二维全局特征图进行多尺度特征提取和融合，得到融合了不同尺度特征的特征图；将最后一层的具有残差块的CNN网络提取的局部特征图与融合了不同尺度特征的特征图进行通道拼接，并经过二维卷积聚合，然后使用双线性插值上采样方法将聚合后的特征图尺寸空间扩大到样本图像相同尺寸，以得到预测图像分割掩码；以多分类损失函数最小为目标，对基于CNN-Transformer和特征金字塔模块的神经网络模型进行训练，得到训练好的大田黄萎病病斑分割模型；将降维后的局部特征图输入至特征图嵌入模块，得到具有位置信息的一维向量，包括：将所述降维后的局部特征图输入至Patch_embeddings模块，将所述降维后的局部特征图切分成固定大小的小块；将各个小块经过Flatten操作，以转化为一个向量；将各个向量与Position_embeddings模块生成相对应的位置编码相加，得到具有位置信息的一维向量；将具有位置信息的一维向量数据通过线性投影映射到另一个维度的向量空间中；将所述一维向量输入至Transformer块中重复12次，得到全局特征融合数据，并将全局特征融合数据进行调整，得到二维全局特征图，包括：将线性投影映射得到的一维向量输入到第一个LayerNorm层，得到第一个层归一化数据；将第一个层归一化数据输入至Multi-HeadSelf-Attention层，得到第一层全局特征数据；将第一层全局特征数据与第一个LayerNorm层输入的数据相加融合，得到第一层全局特征融合数据；将第一层全局特征融合数据输入至第二个LayerNorm层，得到第二个层归一化数据；将第二个层归一化数据输入至MLP层，得到第二层全局特征融合数据；将第二层全局特征融合数据与第一层全局特征融合数据相加，得到第三层全局特征融合数据；将第三层全局特征融合数据输入到下一个TransformerLayer，共重复12次；将最后一个TransformerLayer输出的全局特征融合数据进行调整，得到二维全局特征图；特征金字塔池化模块包括四个MCBR层，一个上采样层、一个1×1卷积层和一个跳跃连接；所述MCBR层包括一个MaxPool层，一个卷积层，一个批归一化层和一个ReLU激活函数；所述大田黄萎病病斑分割模型包括CNN、Transformer、特征金字塔池化模块、将CNN网络的输出特征图与特征金子塔模块输出的多尺度特征进行通道上的融合模块和图像分割网络。

全文数据：

权利要求：

百度查询： 石河子大学 一种大田棉花黄萎病病斑分割方法