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：安徽农业大学

摘要：本发明公开了一种基于注意力残差网络的水稻种子分类方法，通过图像预处理的方法，有效避免了图像背景对模型预测的干扰，减少了客观因素对实际应用的影响。在采样过程中获取充分的有效信息，特征提取更加充分；借鉴Res2Net网络的改进模式，引入注意力机制，在不改变网络层数的前提下增加了网络的深度，增强了多尺度特征提取能力，有效解决了相似品种的识别问题，并增加了信息提取能力而不引起计算成本的大量提高。

主权项：1.一种基于注意力残差网络的水稻种子分类方法，其特征在于：具体包括以下步骤：步骤S1：采集水稻种子图像；步骤S2：对采集的水稻种子图像进行预处理；步骤S3：基于预处理后的水稻种子图像制作水稻种子图像数据集；步骤S4：构建以ResNet为主干网络，结合注意力机制构建水稻种子的分类模型；步骤S5：对所述的水稻种子的分类模型进行训练；步骤S6：对水稻种子图片进行分类；所述步骤S4中，具体步骤包括：步骤S40：基于数据集定义模型的输入部分；步骤S41：构建ResNet神经网络模型部分并定义其包含ECA注意力模块；步骤S42：构建基于多卷积核的特征融合部分；步骤S43：选择损失函数定义模型的输出部分；所述步骤S1中，采集水稻种子图像具体包括：通过图像采集设备拍摄目标水稻种子图像，所述图像中包含的是由一类水稻种子堆叠而成的，其中拍摄的图像中心水稻种子应填满一定大小的正方形，不包含拍摄背景；所述步骤S2中，对采集的水稻种子图像进行预处理具体包括：调整步骤S1中拍摄目标水稻种子图像大小，并对其进行中心剪裁为一定大小的正方形；所述步骤S3中，制作水稻种子图像数据集具体步骤包括：步骤S30：通过旋转和亮度增强调整的数据扩增方式，对获取的水稻种子图像进行处理，将样本数扩增至原来的数倍；步骤S31：通过大小调增和中心剪裁，对扩增后的数据集进行处理，得到大小相同且填满水稻种子的正方形图像；步骤S32：将数据划分为训练集和测试集；所述步骤S40中，基于数据集定义模型的输入部分包括：采用归一化处理，使训练得到更好的收敛效果；所述步骤S41中，具体为：构建ResNet神经网络模型并定义其包含Input部分、Bottleneck部分；所述Bottleneck部分是在1×1卷积之前加入ECA注意力模块，并将1×1卷积后的输入特征组均分为两组，在两组分别进行3×3卷积后，将这两组的输出在通道维度进行拼接，最后进行1×1的卷积操作；所述步骤S42中，所述ECA注意力模块是基于SENet的改进网络，使用一维卷积替换掉SENet中的两个全连接层组成的瓶颈结构，提出不降维的局部跨信道交互策略和自适应选择卷积核大小；所述步骤S43中，选择CrossEntropyLoss作为损失函数；所述CrossEntropyLoss是利用交叉熵的大小表示两个概率分布之间的差异，通过最小化交叉熵来得到目标概率分布的近似分布；所述步骤S6中，对需要预测的水稻种子图片进行预处理并放入上述训练完成后的模型中进行水稻种子的分类，具体为：首先对输入图像进行边缘检测并将其等比剪裁为n份，通过计算n份图像中白色像素在二值化图像中的占比，经比较后将占比最大者的图像大小调整为与训练集中图像大小相同，最终输入模型中预测。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于注意力残差网络的水稻种子分类方法