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！

摘要：本发明提供了用于害虫图像分类的VEACNet网络模型和分类方法，以害虫图像为处理对象，构建基于不对称卷积的轻量化特征融合神经网络模型，采用标准卷积与不对称卷积双分支自动提取害虫图像的特征，通过训练和迭代反馈得到害虫图像数据集中害虫图像的类别标签，实现了提高识别与分类害虫的效率和精度的功能。本发明的模型对实时的害虫图像进行分类，自动对害虫图像进行特征提取，并利用提取到的图像特征判定害虫的类别，检测结果准确率高，硬件消耗成本低，在有限的硬件条件下对害虫进行了有效的分类。

主权项：1.基于VEACNet网络模型的害虫图像分类方法，其特征在于：包括以下步骤：S1：获取并筛选害虫图像，构建害虫图像数据集，包括训练集和测试集；S2：构建基于不对称卷积的VEACNet网络模型，包括依次串联的第一部分、第二部分和第三部分；第一部分用于迅速缩减特征图大小，包括依次串联的一个标准卷积层和一个最大池化层；第二部分用于提取主要特征，包括并行的第一分支和第二分支；第一分支包括两个标准卷积层，第二分支包括两个不对称卷积层，第二分支的不对称卷积层的通道数与第一分支的标准卷积层的通道数相同；第一分支的第一个标准卷积层与第二分支的第一个不对称卷积层的矩阵和分别输出到第一分支的第二个标准卷积层与第二分支的第二个不对称卷积层，第一分支的第二个标准卷积层与第二分支的第二个不对称卷积层的矩阵和为第二部分的输出；第三部分用于以扩大通道数的方式获得翻倍的图像特征，包括一个标准卷积层，和分别串联在标准卷积层的输出端的一个最大池化层和一个平均池化层；第三部分的标准卷积层用于进一步扩大通道数；第三部分的最大池化层和平均池化层分别用于对第三部分的标准卷积层的输出结果进行池化以获得不同的图像特征；第三部分的最大池化层和平均池化层分别输出的结果拼接得到翻倍的图像特征为第三部分的输出；VEACNet网络模型还包括连接在第三部分的输出端的全连接层，用于对展平后的图像特征进行预测并输出；S3：训练VEACNet网络模型；初始化模型参数，将训练集输入到VEACNet网络模型中进行参数调整，直至输出结果稳定为准确分类结果为止；S4：验证VEACNet网络模型；训练完成后将测试集中的害虫图像输入到VEACNet轻量化神经网络模型，验证VEACNet轻量化神经网络模型的准确性；S5：将实时获取的害虫图像输入至训练好的VEACNet轻量化神经网络模型，输出结果即为分类结果。

全文数据：

权利要求：

百度查询： 武汉工程大学 用于害虫图像分类的VEACNet网络模型和分类方法