[发明专利]基于改进神经网络的水稻生育期识别方法及系统

权利要求书

1.基于改进神经网络的水稻生育期识别方法，其特征在于，包括以下步骤：

S1：获取水稻田间图像，对所述水稻田间图像进行预处理，利用经过预处理后的水稻田间图像构建训练集和验证集；

S2：建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络；

S3：将一组训练集输入所述水稻生育期识别神经网络进行训练后，利用验证集对水稻生育期识别神经网络进行一次验证并调参，直至将所有训练集输入水稻生育期识别神经网络，完成训练；

S4：将待识别的水稻田间图像输入训练后的水稻生育期识别神经网络，水稻生育期识别神经网络输出水稻生育期的识别结果。

2.根据权利要求1所述的基于改进神经网络的水稻生育期识别方法，其特征在于，S2中，选取ResNet网络结构作为基本网络结构，建立水稻生育期识别神经网络，所述水稻生育期识别神经网络还包括Bottleneck模块和全连接层，所述CBAM注意力模块包括第一CBAM注意力模块和第二CBAM注意力模块；所述条件卷积模块、第一CBAM注意力模块、Bottleneck模块、第二CBAM注意力模块和全连接层依次连接。

3.根据权利要求2所述的基于改进神经网络的水稻生育期识别方法，其特征在于，所述第一CBAM注意力模块和第二CBAM注意力模块均包括通道注意力模块和空间注意力模块。

4.根据权利要求1-3任一项所述的基于改进神经网络的水稻生育期识别方法，其特征在于，S1具体包括以下步骤：

S1.1：对水稻田间图像作分块处理，得到若干个图像块；根据不同的图像风格，将所述图像块划分为正样本图像块和负样本图像块；

S1.2：构建CycleGAN网络，使用所述CycleGAN网络将负样本图像块转换为正样本图像块；

S1.3：根据水稻的生育期的不同阶段，将所述正样本图像块进行标注分类，得到若干水稻生育期的不同阶段的正样本图像块；

S1.4：利用S1.3中进行标注后的正样本图像块构建训练集和验证集。

5.根据权利要求4所述的基于改进神经网络的水稻生育期识别方法，其特征在于，S1.2中，构建CycleGAN网络的具体过程如下：

结合感知损失函数L_p(G，F)构建CycleGAN网络的改进目标损失函数，所述感知损失函数L_p(G，F)的表达式如下所示：

其中，W表示图像的宽度，H表示图像的高度，D表示图像的提取特征的深度分别，表示特征提取函数，G表示生成器模型G，F表示生成器模型F，G(x)表示生成器模型G生成的图像，x表示X图像域图像，F(y)生成器模型F生成的图像，y表示Y图像域图像；

则CycleGAN网络的改进目标损失函数L′的表达式如下所示：

L′＝L_GAN(G，D_Y，X，Y)+L_GAN(F，D_X，X，Y)+αL_cyc(G，F，X，Y)+βL_p(G，F)

其中，L_GAN(G，D_Y，X，Y)为对应生成器模型G和判别器D_Y的生成对抗过程建立的对抗损失函数，L_GAN(F，D_X，X，Y)为对应生成器模型F和判别器D_Y的生成对抗过程建立的对抗损失函数，L_cyc(G，F，X，Y)为通过直接计算生成器模型G和生成器模型F转换后的图像与原始图像的L1范数，α循环一致损失函数在目标损失函数中的调节权重，β为感知损失函数在目标损失函数中的调节权重，X表示X图像域，Y表示Y图像域。