[发明专利]农作物病虫害类型识别方法、系统、设备和介质

权利要求书

1.一种农作物病虫害类型识别方法，其特征在于，步骤包括：

S1、获取训练集和验证集，训练样本和验证样本为已知农作物病虫害类型的图片；

针对训练样本和验证样本进行预处理；

构建生成对抗网络；针对上述构建的生成对抗网络，通过预处理后的训练样本和验证样本对其进行训练，得到农作物编码模型；

构建残差网络ResNeXt，并且针对残差网络ResNeXt的每个残差块进行深度可分离卷积以及通道和空间上的加权处理，得到残差注意力网络；

所述构建残差网络ResNeXt时，其中残差块的创建过程如下：

步骤1、创建跳跃连接：

根据卷积跳跃连接的标志conv_shortcut的取值，两种创建跳跃连接的方法；当conv_shortcut取值为真，跳跃连接是输入特征做2D卷积和批量规范化的特征输出；否则，跳跃连接为输入特征；

步骤2、残差操作：

步骤2-1、对输入特征做2D卷积，输出特征为x1；

步骤2-2、批量规划化步骤2-1中卷积层的输出特征x1，输出特征为x2；

步骤2-3、上述步骤2-2的输出特征x2传递给激活函数RELU，输出特征为x3；

步骤2-4、计算分组卷积的每个分组的过滤器数；

步骤2-5、将步骤2-3中输出特征x3使用0填充，输出特征为x4；

步骤2-6、进行深度分离卷积的第一步：将每个卷积仅对输入层的一个通道作用，得到一个映射，映射堆叠，得到一个输出特征x5；

步骤2-7、获取步骤2-6得到的输出特征x5的形态，除去批次和通道数；

步骤2-8、对形态进行升维，按照升维后的形态调整步骤2-7的输出特征x5，得到输出特征x6；

步骤2-9、Lambda层，堆叠上一层的特征输出作为本层的输入，增加输出的通道数；

步骤2-10、输入形态升维，增加过滤器数量，根据输入形态调整输入特征的，输出特征为x7；

步骤2-11、批量规范化步骤2-10的输出特征x7，得到本层的输出特征为x8；

步骤2-12、批量规范化的输出特征x8输出传递RELU激活函数，本层的特征输出为x9；

步骤2-13、进行深度可分离卷积第二步，扩大深度，对上层的输出做卷积，过滤器数量*2，卷积核为1，输出特征为x10；

步骤2-14、批量规范化上一步骤的卷积层的输出特征x10；

步骤2-15、注意力机制加权到通道，对输入分别做全局最大池化和全局平均池化，输出特征分别为x11和y1；

步骤2-16、输出特征x11和y1各自做全连接层，激活函数为RELU，输出特征分别为x12和y2；

步骤2-17、输出特征x12和y2分别减少过滤器数，做全连接层，激活函数为RELU，输出特征分别为x13和y3；

步骤2-18、上述步骤2-17的输出特征x13和y3分别增加过滤器数，做全连接层，激活函数为RELU，输出特征本别为x14和y4；

步骤2-19、上述步骤2-17的输出特征求和，维度不变，输出为通道注意力特征；

步骤2-20、通道注意力特征传递给sigmoid函数，输出为通道注意力特征；

步骤2-21、步骤2-20最终获取到的通道注意力特征和输入做乘法，实现注意力机制加权到通道；

步骤2-22、注意力机制加权到空间，对输入做基于通道的全局最大池化层和全部平均池化层，输出特征为x15和y5；

步骤2-23、沿着通道方向，上述步骤2-22全局最大池化层x15和全局平均池化层y5并接，特征联合，成为空间注意力特征X1；

步骤2-24、空间注意力特征X1做卷积操作，输出特征为生成空间注意力特征X2；空间注意力特征X2和输入做乘法，实现注意力加权到空间；

步骤3、恒等映射：

步骤3-1、跳跃连接和输入求和，输出特征为x16；

步骤3-2、输出特征x16传递给激活函数RELU，输出特征为x17；

在构建残差网络ResNeXt时，其中每一层残差块的创建过程如下：

分别创建4层，每层残差块个数分别为2，4，6，3；

卷积_跳跃连接的标志conv_shortcut取真，调用创建残差块函数block3，创建1个残差块，其中的跳跃连接是输入经过卷积、批量规范化后的特征输出；

创建剩余残差块，残差块个数＝每层残差块个数-1，卷积_跳跃连接的标志conv_shortcut取假，跳跃连接为输入；

针对上述得到的残差注意力网络，通过预处理后的训练样本和验证样本对其进行训练，得到病虫害分类模型；

S2、针对要进行病虫害类型识别图片，作为测试样本，对测试样本进行预处理；

将预处理后的测试样本输入到农作物编码模型，确定测试样本是否农作物图片还是非农作物图片；

若测试样本为非农作物图片，则判定异常图片；

若测试样本为农作物图片，则将预处理后的测试样本输入到病虫害分类模型中，由病虫害分类模型识别出测试样本的农作物病虫害类型。