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：淮阴工学院

摘要：本发明公开了一种基于UpCPFNet模型的芒果分级识别方法，首先将预先获取的芒果数据进行人工标注并制作成数据集，再对数据集进行预处理；构建包括初步特征提取模块Stem、六个ReHRSE模块、三个UpCFP模块、一个DoDB模块的基于UpCPFNet模型的芒果分级识别网络；对ReHRSE模块进行堆叠加深网络层数，使用UpCFP模块进行下采样丰富特征信息，使用DoDB模块对得到的深层网络特征和浅层网络特征在不同尺度上进行全局特征聚集和融合；最后通过全连接层输出分类。本发明使用深层网络的信息特征分别对局部特征进行特征融合，同时在不同尺度上的特征融合有助于集中局部特征信息，提高级别图像数据相似性的有效辨别，具有很大的实际运用价值，在农作物级别识别领域具有较大的前景。

主权项：1.一种基于UpCPFNet模型的芒果分级识别方法，其特征在于，包括以下步骤：（1）对预先获取的芒果图片进行分级并制作成数据集，并按照一定比例划分为训练集和测试集；（2）对步骤（1）得到的芒果分级数据集进行预处理；（3）构建基于UpCPFNet模型的芒果分级识别网络，包括初步特征提取模块Stem、三个UpCFP模块、一个DoDB模块和四个Stage块；所述Stem模块是进行简单的下采样和增加通道数；四个Stage块按照1：1：3：1堆叠特征提取主干模块ReHRSE进行深层特征提取；第一个Stage块包括ReHRSE模块，后接UpCFP模块；第二个Stage块包括ReHRSE模块，后接UpCFP模块，第三个Stage块包括3个ReHRSE模块，后接UpCFP模块，第四个Stage块包括一个ReHRSE模块；UpCFP模块在基础网络中提取不同尺度的特征，DoDB模块实现聚集特征并将不同尺度上的特征进行融合；（4）训练步骤（3）中搭建好的基于UpCPFNet模型的芒果分级识别网络，先将经过步骤（2）图像预处理后的训练集通过模型训练，进行多次迭代训练，并调整模型的训练参数，直到获得最优的模型权重，对测试集中数据图片进行验证，并评估模型的性能；步骤（3）所述初步特征提取模块Stem是由一个4×4卷积核和BatchNorm层组成；步骤（3）所述ReHRSE模块，首先引入第一个分支经过7×7卷积，第二个分支结构引入通道注意力机制，再次进行分支，第三个分支经过3×3的深度可分离卷积和第二个分支进行残差连接；进行堆叠2次以下操作，第二个分支进行1×1的深度可分离卷积，第三个分支进行3×3的深度可分离卷积，第二个分支和第三个分支进行残差连接；之后第二个分支进行1×1的深度可分离卷积和第一个分支进行残差连接；步骤（3）所述UpCFP模块第一个分支分别依次经过一个3×3的卷积、一个1×1的卷积、2个2×2的卷积；第二个分支经过一个2×2的卷积，之后将两个分支的到的特征在通道上进行拼接；步骤（3）所述DoDB模块中，深层的输出特征经过2个1×1的卷积分别先和第3个UpCFP模块的输出拼接的到最小尺寸的特征，之后经过1×1的卷积和第2个UpCFP模块的输出拼接的到中间尺寸的特征，之后经过1×1的卷积再和第1个UpCFP模块的输出拼接的到最大尺寸的特征，最大尺寸的特征经过1×1的卷积之后进行下采样和最小尺寸的特征经过1×1的卷积之后进行上采样，之后和经过1×1的卷积的中间尺寸的特征在通道上拼接，得到的特征进行下采样，深层的输出特征进行上采样，和最小尺寸的特征在通道上融合，之后进行下采样。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于UpCPFNet模型的芒果分级识别方法