首页|基于特征重组网络的小样本农作物病害叶片检测

基于特征重组网络的小样本农作物病害叶片检测

扫码查看
原文链接
  • 万方数据
  • 维普
针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题,提出一种基于特征重组网络的小样本农作物病害叶片检测方法.首先,采用支持分支和查询分支的双分支网络结构,将支持图像和查询图像映射到深度特征空间,并在支持分支中采用特征增强网络缓解映射特征与原始标注不对齐的问题.其次,借助全局平均池化策略生成初始原型,利用该原型反向指导原始支持图像中病害叶片的识别,并根据初始识别结果对原型进行优化.再次,通过比对识别区域与原始标注之间的特征差异,构造辅助原型与主域原型.最后,融合原始原型、辅助原型和主域原型,构造多原型集,并利用度量方法计算原型集与查询特征间的关联,根据关联值给出预测标签.在自建的橘子、番茄和苹果等病害叶片数据集上进行测试,所提出方法分别获得了 97.18％的精准率、97.31％的召回率、96.90％的F1分数和84.71％的FB-IoU,优于主流的目标检测方法.

党婉誉、周烨炆、徐斌腾

展开 >

驻马店职业技术学院信息工程学院/河南省乡村智慧农业工程研究中心,河南驻马店 463000

河南农业大学信息与管理科学学院,河南郑州 450003

郑州大学电气与信息工程学院,河南郑州 450001

作物病害叶片检测 特征重组 全局平均池化 特征增强 原型集

2024

10.15889/j.issn.1002-1302.2024.20.028

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD北大核心
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2024.52(20)