[发明专利]一种园林植物叶病分类方法

权利要求书

1.一种园林植物叶病分类方法，其特征是：包括以下步骤：

S1、获取园林植物叶病图像数据集；

S2、利用步骤S1中获得的数据集训练叶病图像分类网络；

S3、获取待分类的叶片图像，获取步骤S2中训练好的叶病图像分类网络，将所述叶片图像输入所述叶病图像分类网络，利用所述叶病图像分类网络对所述叶片图像进行分类；

其中，所述叶病图像分类网络包括头部卷积层、双注意力特征提取模块、尾部全局平均池化层、尾部全连接层和softmax激活层，

所述尾部全局平均池化层、所述尾部全连接层和所述softmax激活层首尾顺次连接，多个所述双注意力特征提取模块首尾顺次连接，位于后部的所述双注意力特征提取模块的输出端与所述尾部全局平均池化层的输入端连接，位于前部的所述双注意力特征提取模块的输入端与所述头部卷积层的输出端连接。

2.根据权利要求1所述的园林植物叶病分类方法，其特征是：所述双注意力特征提取模块包括顺次连接的第一特征提取单元、第二特征提取单元、第三特征提取单元和局部最大池化层，所述第一特征提取单元的数学模型为：

K1＝σ₁(f₃₁(G_n))

K2＝σ₂(f₃₂(G_n))

K3＝σ₃(f₃₃(K2))

K4＝[K1,K3]·f_FSA([K1,K3])

K5＝K4·f_SCA([K1,K2],K4)

其中，G_n表示输入所述第一特征提取单元的特征图，f₃₁、f₃₂和f₃₃均表示卷积核大小为3*3的卷积操作，σ₁、σ₂和σ₃均表示非线性激活函数ReLU，[·]表示对其中的特征图在通道方向上进行拼接操作，f_FSA表示一级空间注意力模块，f_SCA表示二级通道注意力模块，K5特征图作为所述第一特征提取单元的输出。

3.根据权利要求2所述的园林植物叶病分类方法，其特征是：所述一级空间注意力模块可以用如下数学公式表示：

K_FSA＝δ_s(f_s([MePl(M),MaPl(M)]))

其中，M表示输入所述一级空间注意力模块的特征图，MePl()表示对特征图在通道方向上做全局平均池化操作，MaPl()表示对特征图在通道方向上做全局最大池化操作，[·]表示对其中的特征图在通道方向上进行拼接操作，fs表示卷积核大小为1*1的卷积操作，δs表示sigmoid激活函数，K_FSA表示所述一级空间注意力模块的输出。