[发明专利]基于混合自注意力机制的番茄病害检测方法及系统

权利要求书

1.一种基于混合自注意力机制的番茄病害检测方法，其特征在于，所述方法包括：

将待识别的番茄叶病图像输入到训练好的PACA ConvNeXt模型，其中，所述PACAConvNeXt模型包括ConvNeXt卷积神经网络，所述ConvNeXt卷积神经网络的各级ConNeXtBlock模块中插入有PACA注意力机制模块，所述PACA注意力机制模块包括像素注意块和坐标注意块；

每级ConNeXt Block模块对于输入的特征图，基于所述PACA注意力机制模块计算该特征图的像素相关性和坐标信息相关性，得到包含像素相关性和坐标信息相关性的混合注意力特征图；

基于最后一级ConNeXt Block模块输出的混合注意力特征图，预测番茄病害的种类。

2.如权利要求1所述的基于混合自注意力机制的番茄病害检测方法，其特征在于，所述ConvNeXt卷积神经网络包括依次连接的图像处理层、一级ConNeXt Block模块、二级ConNeXt Block模块、三级ConNeXt Block模块、四级ConNeXt Block模块和输出预测层；

所述二级ConNeXt Block模块、所述三级ConNeXt Block模块和所述四级ConNeXtBlock模块之前均连接下采样层。

3.如权利要求2所述的基于混合自注意力机制的番茄病害检测方法，其特征在于，所述图像处理层包括卷积层Conv2d和归一化层Layer Norm_1，卷积层Conv2d的输入为所述番茄叶病图像、输出连接所述归一化层Layer Norm_1的输入，所述归一化层Layer Norm_1的输出连接所述一级ConNeXt Block模块。

4.如权利要求2所述的基于混合自注意力机制的番茄病害检测方法，其特征在于，所述输出预测层包括依次连接的全局平均池化层、归一化层Layer Norm_2和全连接层，所述全局平均池化层的输入连接所述四级ConNeXt Block模块，所述全连接层的输出为番茄病害的分类结果。

5.如权利要求1所述的基于混合自注意力机制的番茄病害检测方法，其特征在于，各级所述ConNeXt Block模块均包括依次连接的深度可分离卷积层、归一化层Batch Norm_1、卷积层Conv2d_1、第一激活函数、卷积层Conv2d_2、DropPath层和PACA注意力机制模块，PACA注意力机制模块的输出与所述ConNeXt Block模块输入的特征图之间经拼接操作连接。

6.如权利要求1所述的基于混合自注意力机制的番茄病害检测方法，其特征在于，所述像素注意块包括第二激活函数和两个用于进行线性变换的卷积核，两个卷积核的输出经相乘操作连接后经第二激活函数得到像素注意力特征权重；

所述坐标注意块包括分别用于编码水平方向和垂直方向特征的全局平局池化核，两个全局平均池化核输出的一对方向可知的特征图经拼接操作连接后输出至卷积层Conv2d_3，所述卷积层Conv2d_3的输出依次经归一化层Batch Norm_2、非线性激活函数和Split操作得到两个独立的特征图；该两个独立的特征图分别经卷积层Conv2d_4和第三激活函数以将维度转换为与当前级ConNeXt Block模块输入的特征图一致，转换后的两个独立特征图经相乘操作连接得到坐标注意力特征权重。