买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古工业大学

摘要：本发明提供一种基于深度学习的过敏性蒿属植物识别方法及系统，涉及蒿属植物识别技术领域，本发明的系统包括采集植物图像的多光谱采集终端、对植物图像进行处理的图像处理模块、识别过敏性蒿属植物的深度学习识别模块和存储数据的数据存储模块，本发明通过深度学习识别模块对植物图像进行分析处理以达到识别过敏性蒿属植物的效果，并在深度学习识别模块中使用大中小三个尺度目标检测输出层以检测植物图像中各种尺度的目标，提高检测的全面性和鲁棒性，并使用BasicRFB模块来有效增强网络的特征提取能力，并采用NWD损失函数来提高模型对小目标植物检测的鲁棒性，并在Head层中引入了独立自注意力机制模块SASA用来解决植物遮挡的问题。

主权项：1.一种基于深度学习的过敏性蒿属植物识别系统，其特征在于，包括：多光谱采集终端，所述多光谱采集终端用于采集居民区附近区域的植物图像；图像处理模块，所述图像处理模块用于对植物图像进行图像校正、图像滤波、图像增强以及图像定标处理；深度学习识别模块，所述深度学习识别模块用于接收经图像处理模块处理后的植物图像，并基于YOLOv8模型算法对处理后的植物图像进行分析检测，以输出可能为过敏性蒿属植物的目标位置坐标、目标为过敏性蒿属植物的置信度分数；数据存储模块，所述数据存储模块用于存储深度学习识别模块输出的数据；所述深度学习识别模块包括模型输入端、Backbone网络、Neck网络和模型输出端，其中：模型输入端，所述模型输入端选用Head网络，用于接收并检测图像处理模块传输的植物图像，Head网络由大尺度目标检测输出层、中尺度目标检测输出层和小尺度目标检测输出层共3个不同的输出层组成，并在Head网络中引入独立自注意力机制模块SASA以解决植物遮挡的问题和降低模型的参数量；Backbone网络，所述Backbone网络使用CSPDarknet53作为其主干网络，用于对模型输入端传输的植物图像数据进行初步特征提取和表示学习，以将植物图像数据转换为高级特征表示，并在Backbone网络最后的空间池化层中使用BasicRFB模块以增强网络的特征提取能力；Neck网络，所述Neck网络使用FPN网络，用于对Backbone网络传输的高级特征进行处理以降低特征维度、提取更高级别的语义信息，以此融合来自不同特征图层次的信息，并将结果传输至模型输出端中；模型输出端，所述模型输出端用于对Neck网络传输的数据进行处理，以输出边界框及伴随边界框的置信度分数，且边界框内包含有可能为过敏性蒿属植物的目标，边界框所在位置为被深度学习识别模块认定可能为过敏性蒿属植物的目标位置坐标，置信度分数为深度学习识别模块对边界框内部目标为过敏性蒿属植物的置信程度；其中，模型输出端使用FocalLoss损失函数，并采用NWD损失函数来提高模型对小目标植物检测的鲁棒性，并在输出结果后对重叠的目标框进行NMS处理，还使用Mish激活函数代替ReLU。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种基于深度学习的过敏性蒿属植物识别方法及系统