CN114913425B 基于置信学习和细粒度特征提取的玉米病害程度检测方法 （中国科学院合肥物质科学研究院）

基于置信学习和细粒度特征提取的玉米病本发明涉及一种基于置信学习和细粒度特测样本中的玉米病害种类以及病害程度进行识下各种复杂的待测样本都能够有较好的识别准2(4)将训练样本集送入到玉米病害程度检测模型，迭代训练得到最佳的玉米病害程度待检测样本中的玉米病害种类以及病害程度进行识主学习模块和一致性学习模块中利用一致性正则化方法以及交叉熵损失函数Lce完成从噪块改进原始的视觉变换编码模块，多层的增强残差的变换编码模块提取出高维的特征图；之后利用特征选择模块从高维的特征图中选出有效区分高度相似的病害程度的特征向量；粒度特征提取模型进行结合得到最终的玉米病害程度检2.根据权利要求1所述的基于置信学习和细粒度特征提取的玉米病害程度检测方法，3.根据权利要求1所述的基于置信学习和细粒度特征提取的玉米病害程度检测方法，3签数据经过图像角度旋转与图像颜色变换两种不同的数据增广后，基于一致性正则化方i表示从输入到c个类别的softmax层的一种映射；主学习模块利用损失值L(θ)进行反向传播对玉米病害程度检测的参数进行更置信学习模块筛选出来的无标签数据，在一致性学习模wS4.根据权利要求1所述的基于置信学习和细粒度特征提取的玉米病害程度检测方法，4对于前面几层的计算得到的注意力权重将其写成：其中，atteni为第i层的注意力权重，attenf为第i层第j个多头注意力中的注意力权递归地将矩阵乘法应用于所有层中的原始注意力权重，得到最终的注意力权重从象征不同特征空间的K个注意力头中分别选择其中的最大值所对应的索引[D1,5[0002]我国是亚洲玉米产量较大的国家，玉米在我国农业经济中占据着极其重要的地[0003]传统对于玉米病害的防治是依靠有专业知识的农业技术人员或者有着丰富经验程度的准确判断对采取适当的防治手段具有重要的指导[0005]本发明的目的在于提供一种能够提升病害程度识别模型征不易识别的问题的基于置信学习和细粒度特征提取的玉米病[0010](4)将训练样本集送入到玉米病害程度检测模型，迭代训练得到最佳的玉米病害6[0011](5)玉米病害程度检测：将待检测的样本输入到最佳的玉米病害程度检测模型当后在主学习模块和一致性学习模块中利用一致性正则化方法以及交叉熵损失函数Lce完成与细粒度特征提取模型进行结合得到最终的玉米病害7对于前面几层的计算得到的注意力权重将其写成：8[0041]递归地将矩阵乘法应用于所有层中的原始注意力权重，得到最终的注意力权重[0043]从象征不同特征空间的K个注意力头中分别选择其中的最大值所对应的索引[D1,[0052](4)将训练样本集送入到玉米病害程度检测模型，迭代训练得到最佳的玉米病害[0053](5)玉米病害程度检测：将待检测的样本输入到最佳的玉米病害程度检测模型当9后在主学习模块和一致性学习模块中利用一致性正则化方法以及交叉熵损失函数Lce完成与细粒度特征提取模型进行结合得到最终的玉米病害对于前面几层的计算得到的注意力权重将其写成：attenf为第i层第j个多头注意力中的注意力[0083]递归地将矩阵乘法应用于所有层中的原始注意力权重，得到最终的注意力权重[