[發(fā)明專利]輕量化葉菜苗語(yǔ)義分割模型及其測(cè)試和使用方法在審
| 申請(qǐng)?zhí)枺?/td> | 202210622632.6 | 申請(qǐng)日: | 2022-06-01 |
| 公開(kāi)(公告)號(hào): | CN114882223A | 公開(kāi)(公告)日: | 2022-08-09 |
| 發(fā)明(設(shè)計(jì))人: | 李玟;廖娟;劉超;陳民慧;朱德泉;張鍇 | 申請(qǐng)(專利權(quán))人: | 安徽農(nóng)業(yè)大學(xué) |
| 主分類號(hào): | G06V10/26 | 分類號(hào): | G06V10/26;G06V10/80;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 上海漢之律師事務(wù)所 31378 | 代理人: | 陳強(qiáng) |
| 地址: | 230061 *** | 國(guó)省代碼: | 安徽;34 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 量化 菜苗 語(yǔ)義 分割 模型 及其 測(cè)試 使用方法 | ||
本發(fā)明公開(kāi)了一種輕量化葉菜苗語(yǔ)義分割模型,分割模型由改進(jìn)后的U?Net網(wǎng)絡(luò)組成,改進(jìn)后的U?Net網(wǎng)絡(luò)包括:依次相連的編碼模塊、解碼模塊;編碼模塊,包括:依次相連的第一階段、第二階段、第三階段、第四階段和第五階段;第一階段由依次相連的兩個(gè)標(biāo)準(zhǔn)卷積模塊組成;第二階段由第一最大池化層和第一適應(yīng)性模塊組成;第三階段由依次相連的第二最大池化層和第二適應(yīng)性模塊組成;第四階段由依次相連的第三最大池化層和第三適應(yīng)性模塊組成;第五階段由依次相連的第四最大池化層、第四適應(yīng)性模塊、和兩個(gè)深度可分離卷積組成。旨在通過(guò)編碼器提取圖像的不同尺寸語(yǔ)義特征,結(jié)合跳躍連接,通過(guò)解碼器進(jìn)行不同尺寸圖像特征的融合,實(shí)現(xiàn)葉菜苗的準(zhǔn)確語(yǔ)義分割。
技術(shù)領(lǐng)域
本發(fā)明涉及葉菜苗檢測(cè)技術(shù)領(lǐng)域,尤其涉及輕量化葉菜苗語(yǔ)義分割模型及其測(cè)試和使用方法。
背景技術(shù)
葉菜是蔬菜中品種最多的一類,含有大量的維生素、類胡蘿卜素、纖維素、蛋白質(zhì)、糖類及鈣、鐵、鉀等優(yōu)良營(yíng)養(yǎng)素,尤其以維生素C較為豐富,對(duì)人體發(fā)揮重要作用。但是,目前,在實(shí)際生產(chǎn)中,傳統(tǒng)的葉菜種植過(guò)程中生長(zhǎng)信息獲取、病蟲(chóng)害識(shí)別、農(nóng)藥精準(zhǔn)噴施等主要依靠人工完成,存在效率低,工作量大,和受人的主觀因素和經(jīng)驗(yàn)影響大等缺點(diǎn)。隨著農(nóng)業(yè)自動(dòng)化、智能化的發(fā)展,相對(duì)于傳統(tǒng)的葉菜種植的方法,我們采用語(yǔ)義分割來(lái)提取葉菜植株的信息,不僅大大減小了在葉菜苗生長(zhǎng)過(guò)程中人工的投入,同時(shí)為葉菜苗生長(zhǎng)信息獲取、生長(zhǎng)檢測(cè)等提供了更加高效和精準(zhǔn)的數(shù)據(jù)信息。
在實(shí)際生產(chǎn)中,由于不同的葉菜苗植株所獲得的水分、光照和養(yǎng)分等因素不同,造成葉菜苗植株大小不一,小葉菜苗植株圖像的特征信息相較大葉菜苗植株表觀能力差,傳統(tǒng)的語(yǔ)義分割模型U-Net的編碼部分雖能夠增強(qiáng)分割模型對(duì)大葉菜苗植株特征信息的感知,但對(duì)小葉菜苗植株特征信息的提取能力仍存在不足,且模型參數(shù)量大,難以訓(xùn)練和實(shí)際使用過(guò)程中的部署。
發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的在于提供輕量化葉菜苗語(yǔ)義分割模型及其測(cè)試和使用方法,旨在通過(guò)分割模型中的編碼器提取圖像的多尺度語(yǔ)義特征,結(jié)合跳躍連接方式,通過(guò)解碼器進(jìn)行多尺度語(yǔ)義特征的融合,實(shí)現(xiàn)葉菜苗的準(zhǔn)確語(yǔ)義分割。具體技術(shù)方案如下:
為達(dá)到上述目的,本發(fā)明實(shí)施例提供了一種輕量化葉菜苗語(yǔ)義分割模型,所述分割模型由改進(jìn)后的U-Net網(wǎng)絡(luò)組成,所述改進(jìn)后的U-Net網(wǎng)絡(luò)包括:
依次相連的編碼模塊、解碼模塊;
所述編碼模塊,包括:依次相連的第一階段、第二階段、第三階段、第四階段和第五階段;
所述第一階段由依次相連的兩個(gè)標(biāo)準(zhǔn)卷積模塊組成;
所述第二階段由依次相連的第一最大池化層和第一適應(yīng)性模塊組成;
所述第三階段由依次相連的第二最大池化層和第二適應(yīng)性模塊組成;
所述第四階段由依次相連的第三最大池化層和第三適應(yīng)性模塊組成;
所述第五階段由依次相連的第四最大池化層、第四適應(yīng)性模塊、和兩個(gè)深度可分離卷積組成。
一種實(shí)現(xiàn)方式中,在所述編碼模塊和所述解碼模塊之間還包括:EMA模塊,所述EMA模塊包括:第七卷積層、AM模塊、AE模塊、AR模塊、注意力圖、組基、第八卷積層;
所述第七卷積層分別與所述AM模塊和所述AE模塊的輸入端相連,所述AE模塊更新注意力圖,所述AM模塊更新組基;所述AM模塊、所述AE模塊交替執(zhí)行,收斂之后,作為所述AR模塊的輸入,所述AR模塊進(jìn)行數(shù)據(jù)重新估計(jì),所述AR模塊的輸出端與所述第八卷積層的輸入端相連,所述第八卷積層的輸出端與所述第六階段相連。一種實(shí)現(xiàn)方式中,所述第一適應(yīng)性模塊、第二適應(yīng)性模塊、第三適應(yīng)性模塊和第四適應(yīng)性模塊結(jié)構(gòu)相同,具體結(jié)構(gòu)包括:第一卷積層、第五最大池化層、第二卷積層、第三卷積層、第四卷積層、第五卷積層、第六卷積層、第五融合層;
所述第一卷積層分別與所述第五最大池化層、所述第二卷積層和所述第三卷積層的輸入端相連;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于安徽農(nóng)業(yè)大學(xué),未經(jīng)安徽農(nóng)業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210622632.6/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 基于位平面的不等長(zhǎng)的量化/反量化方法
- 反量化圖像的方法和設(shè)備以及解碼圖像的方法和設(shè)備
- 量化處理方法及裝置
- 用于對(duì)線性預(yù)測(cè)系數(shù)進(jìn)行量化的方法和裝置及用于反量化的方法和裝置
- 量化開(kāi)發(fā)人員代碼質(zhì)量的方法和裝置
- 一種圖像云儲(chǔ)存設(shè)備
- 一種神經(jīng)網(wǎng)絡(luò)權(quán)重量化方法和神經(jīng)網(wǎng)絡(luò)權(quán)重量化裝置
- 量化器與量化方法
- 編碼方法及其設(shè)備以及解碼方法及其設(shè)備
- 量化參數(shù)處理方法及裝置
- 面向語(yǔ)義Web服務(wù)程序設(shè)計(jì)的語(yǔ)義數(shù)據(jù)表示和處理方法
- 一種基于語(yǔ)義的三維模型檢索系統(tǒng)和方法
- 一種計(jì)算機(jī)語(yǔ)義工程系統(tǒng)
- 導(dǎo)航方法及裝置
- 一種分層次多語(yǔ)義網(wǎng)系統(tǒng)及方法
- 一種基于上下文的語(yǔ)義匹配方法和系統(tǒng)
- 遠(yuǎn)程語(yǔ)義識(shí)別方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種基于語(yǔ)義依存關(guān)系的醫(yī)療文本標(biāo)注方法
- 基于多級(jí)語(yǔ)義表征和語(yǔ)義計(jì)算的信號(hào)語(yǔ)義識(shí)別方法
- 語(yǔ)義分類方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備





