基于双重迁移学习的柑橘叶片病害识别方法、系统及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035405A(43)申请公布日2022.09.09(21)申请号202210579072.0G06N3/04(2006.01)(22)申请日2022.05.26G06N3/08(2006.01)(71)申请人华南农业大学地址510642广东省广州市天河区五山路483号(72)发明人代秋芳郭元航李震宋淑然孙道宗吕石磊廖臣龙王元熊诗路陈梓蔚(74)专利代理机构广州市华学知识产权代理有限公司44245专利代理师李君(51)Int.Cl.G06V20/10(2022.01)G06V10/82(2022.01)G06V10/764(2022.01)权利要求书3页说明书11页附图9页(54)发明名称基于双重迁移学习的柑橘叶片病害识别方法、系统及设备(57)摘要本发明公开了一种基于双重迁移学习的柑橘叶片病害识别方法、系统及设备，方法包括：获取迁移学习数据集和自建数据集；构建教师网络模型和第一学生网络模型；利用自建数据集训练教师网络模型；利用迁移学习数据集对第一学生网络模型进行预训练，并保存预训练后的第一学生网络模型权重；构建第二学生网络模型，并加载预训练后的第一学生网络模型权重到第二学生网络模型；利用训练好的教师网络模型和自建数据集以知识蒸馏的方式训练权重加载后的第二学生网络模型，得到第三学生网络模型；将待识别柑橘叶片图片输入第三学生网络模型，得到病害识别结果。本发明提升了小样本情况的病害识别准确率，同时利用知识蒸馏的方式减少模型参数，便于模型部署。CN115035405ACN115035405A权利要求书1/3页1.一种基于双重迁移学习的柑橘叶片病害识别方法，其特征在于，所述方法包括：获取迁移学习数据集和自建数据集，所述迁移学习数据集包括爬虫下载的多种植物病害叶片图片集和爬虫下载的柑橘健康叶片图片集，所述自建数据集包括自采的柑橘病害叶片图片集和自采的柑橘健康叶片图片集；构建教师网络模型和第一学生网络模型；利用自建数据集训练教师网络模型；利用迁移学习数据集对第一学生网络模型进行预训练，并保存预训练后的第一学生网络模型权重；构建第二学生网络模型，并加载预训练后的第一学生网络模型权重到第二学生网络模型中；利用训练好的教师网络模型和自建数据集以知识蒸馏的方式训练权重加载后的第二学生网络模型，得到第三学生网络模型；获取待识别柑橘叶片图片；将待识别柑橘叶片图片输入第三学生网络模型，得到待识别柑橘叶片图片的病害识别结果。2.根据权利要求1所述的柑橘叶片病害识别方法，其特征在于，所述教师网络模型包括输入层、预训练后的Xception网络模型、ECABlock注意力机制和第一密集连接分类器；所述构建教师网络模型，具体包括：将所述输入层、预训练后的Xception网络模型、ECABlock注意力机制、第一密集连接分类器依次连接，从而构建得到教师网络模型；所述预训练后的Xception网络模型作为特征提取网络，预训练后的Xception网络模型仅加载卷积基部分，不加载第二密集连接分类器。3.根据权利要求2所述的柑橘叶片病害识别方法，其特征在于，所述ECABlock注意力机制包括全局池化层和Multiply层，其中全局池化层到Multiply层为ECABlock函数；所述ECABlock注意力机制通过卷积核大小为k的一维卷积生成通道权重；其中k通过通道维度C的映射自适应地确定，如下式：其中，k表示卷积核大小，C表示通道数，odd表示取奇数，γ和b用于改变C、k、C和k之间的比例。4.根据权利要求1所述的柑橘叶片病害识别方法，其特征在于，所述第一学生网络模型和第二学生网络模型相同；所述第一学生网络模型采用经典的MobileNet网络模型。5.根据权利要求4所述的柑橘叶片病害识别方法，其特征在于，所述加载预训练后的第一学生网络模型权重到第二学生网络模型中，具体包括：将预训练后的第一学生网络模型中除倒数第一层到倒数第六十层之外的权重加载到第二学生网络模型中。6.根据权利要求2所述的柑橘叶片病害识别方法，其特征在于，所述利用训练好的教师2CN115035405A权利要求书2/3页网络模型和自建数据集以知识蒸馏的方式训练权重加载后的第二学生网络模型，得到第三学生网络模型，具体包括：对训练好的教师网络模型中的第一密集连接分类器的原有输出层进行删除，在原有输出层被删除之后，将所述第一密集连接分类器的最后一个dense层作为输出层；对权重加载后的第二学生网络模型中除倒数第一层到倒数第六十层之外的所有层进行冻结；对输出层为dense层的所述教师网络模型的无激活输出的类别概率加入温度T，得到Soft‑Labels；利用Soft‑Labels和自建数据集的原始标签Hard‑Labels对冻结后的第二学生网络模型进