农作物病虫害智能防治系统及其方法与流程

本申请涉及智能控制领域，且更为具体地，涉及一种农作物病虫害智能防治系统及其方法。

背景技术：

1、农作物病虫害是我国的主要农业灾害之一，它具有种类多、影响大、并时常暴发成灾的特点，其发生范围和严重程度对我国国民经济、特别是农业生产常造成重大损失。我国农作物常见的有以下种类的病虫害：稻飞虱、白粉病、玉米螟、棉铃虫等，已成为严重影响我国农业生产的重大病虫害。由于传统的病虫害防治是人工进行检测判断，存在发现问题不够及时，效率较低。

2、因此，期待一种优化的农作物病虫害智能防治方案，采集农作物病虫害图片得到分类结果，分类结果用于表示病虫害的种类，并提醒诊断人员可以及时进行诊治。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种农作物病虫害智能防治系统及其方法，其获取由摄像头采集的农作物病虫害图像，进一步用基于深度神经网络模型的人工智能技术来通过使用空间注意力的卷积神经网络模型和上下文编码器进行特征提取，以得到用于表示病虫害的种类的分类结果，并提醒诊断人员可以及时进行诊治。这样，构建农作物病虫害智能防治方案，能够有效防治农作物被病虫害侵害，从而提高农作物的产量和品质。

2、根据本申请的一个方面，提供了一种农作物病虫害智能防治系统，其包括：

3、图像采集模块，用于获取由摄像头采集的农作物病虫害图像；

4、空间注意力模块，用于将所述农作物病虫害图像通过使用空间注意力的卷积神经网络模型以得到农作物病虫害特征图；

5、特征展开模块，用于将所述农作物病虫害特征图的沿通道维度的各个特征矩阵展开为特征向量以得到多个农作物病虫害局部特征向量；

6、上下文编码模块，用于将所述多个农作物病虫害局部特征向量通过基于转换器的上下文编码器以得到农作物病虫害全局特征向量；以及

7、分类结果生成模块，用于将所述农作物病虫害全局特征向量通过分类器以得到分类结果，所述分类结果用于表示病虫害的种类，并提醒诊断人员可以及时进行诊治。

8、在上述农作物病虫害智能防治系统中，所述空间注意力模块，包括：卷积编码单元，用于使用所述卷积神经网络模型的卷积编码部分对所述农作物病虫害图像进行深度卷积编码以得到初始卷积特征图；注意力单元，用于将所述初始卷积特征图输入所述卷积神经网络模型的空间注意力部分以得到空间注意力图；激活单元，用于将所述空间注意力图通过softmax激活函数以得到空间注意力特征图；以及，联合单元，用于计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述农作物病虫害特征图。

9、在上述农作物病虫害智能防治系统中，所述特征展开模块，包括：用于对所述农作物病虫害特征图的沿通道维度的各个特征矩阵进行沿着行向量或者列向量的展开以得到所述多个农作物病虫害局部特征向量。

10、在上述农作物病虫害智能防治系统中，所述上下文编码模块，包括：排列单元，用于将所述多个农作物病虫害局部特征向量排列为输入向量；转化单元，用于将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；自注意单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化处理单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；自注意力特征提取单元，用于将所述标准化自注意关联矩阵输入softmax激活函数进行激活以得到自注意力特征矩阵；以及，级联单元，用于将所述自注意力特征矩阵与以所述多个农作物病虫害局部特征向量中各个农作物病虫害局部特征向量作为值向量分别进行相乘以得到所述多个农作物病虫害特征向量，将所述多个农作物病虫害特征向量级联以得到所述农作物病虫害全局特征向量。

11、在上述农作物病虫害智能防治系统中，所述分类结果生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述农作物病虫害全局特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

12、根据本申请的另一方面，提供了一种农作物病虫害智能防治方法，其包括：

13、获取由摄像头采集的农作物病虫害图像；

14、将所述农作物病虫害图像通过使用空间注意力的卷积神经网络模型以得到农作物病虫害特征图；

15、将所述农作物病虫害特征图的沿通道维度的各个特征矩阵展开为特征向量以得到多个农作物病虫害局部特征向量；

16、将所述多个农作物病虫害局部特征向量通过基于转换器的上下文编码器以得到农作物病虫害全局特征向量；以及

17、将所述农作物病虫害全局特征向量通过分类器以得到分类结果，所述分类结果用于表示病虫害的种类，并提醒诊断人员可以及时进行诊治。

18、与现有技术相比，本申请提供的一种农作物病虫害智能防治系统及其方法，其获取由摄像头采集的农作物病虫害图像，进一步用基于深度神经网络模型的人工智能技术来通过使用空间注意力的卷积神经网络模型和上下文编码器进行特征提取，以得到用于表示病虫害的种类的分类结果，并提醒诊断人员可以及时进行诊治。这样，构建农作物病虫害智能防治方案，能够有效防治农作物被病虫害侵害，从而提高农作物的产量和品质。

技术特征：

1.一种农作物病虫害智能防治系统，其特征在于，包括：

2.根据权利要求1所述的农作物病虫害智能防治系统，其特征在于，所述空间注意力模块，包括：

3.根据权利要求2所述的农作物病虫害智能防治系统，其特征在于，所述特征展开模块，包括：用于对所述农作物病虫害特征图的沿通道维度的各个特征矩阵进行沿着行向量或者列向量的展开以得到所述多个农作物病虫害局部特征向量。

4.根据权利要求3所述的农作物病虫害智能防治系统，其特征在于，所述上下文编码模块，包括：

5.根据权利要求4所述的农作物病虫害智能防治系统，其特征在于，所述分类结果生成模块，包括：

6.根据权利要求5所述的农作物病虫害智能防治系统，其特征在于，还包括：用于对所述使用空间注意力的卷积神经网络模型、所述基于转换器的上下文编码器和所述分类器进行训练的训练模块；

7.根据权利要求6所述的农作物病虫害智能防治系统，其特征在于，所述总参数概率性损失计算单元，包括：

8.一种农作物病虫害智能防治方法，其特征在于，包括：

9.根据权利要求8所述的农作物病虫害智能防治方法，其特征在于，将所述农作物病虫害图像通过使用空间注意力的卷积神经网络模型以得到农作物病虫害特征图，包括：

10.根据权利要求9所述的农作物病虫害智能防治方法，其特征在于，将所述农作物病虫害特征图的沿通道维度的各个特征矩阵展开为特征向量以得到多个农作物病虫害局部特征向量，包括：用于对所述农作物病虫害特征图的沿通道维度的各个特征矩阵进行沿着行向量或者列向量的展开以得到所述多个农作物病虫害局部特征向量。

技术总结
本申请涉及智能防治领域，其具体地公开了一种农作物病虫害智能防治系统及其方法，其获取由摄像头采集的农作物病虫害图像，进一步用基于深度神经网络模型的人工智能技术来通过使用空间注意力的卷积神经网络模型和上下文编码器进行特征提取，以得到用于表示病虫害的种类的分类结果，并提醒诊断人员可以及时进行诊治。这样，构建农作物病虫害智能防治方案，能够有效防治农作物被病虫害侵害，从而提高农作物的产量和品质。

技术研发人员：宋德功,张新伟,徐建雄
受保护的技术使用者：安徽星煌数字科技有限公司
技术研发日：
技术公布日：2024/1/16