(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211363544.5 (22)申请日 2022.11.02 (71)申请人 海南大学 地址 570228 海南省海口市人民大道58号 申请人 海南大学三亚研究院 (72)发明人 付威　曾体伟　张慧明　王娟　 李承明　 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/52(2022.01) G06V 10/764(2022.01) G06V 20/00(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种橡胶病害图像识别方法、 移动设备、 嵌 入式设备 (57)摘要 本发明公开了一种橡胶病害图像识别方法、 移动设备、 嵌入式设备， 方法包括： 将待识别橡胶 病害图像输入至预先训练完成的跨尺度注意力 轻量级网络中得到识别结果； 其中， 跨尺度注意 力轻量级网络包括预处理网络模块、 多尺度注意 力网络模块、 网络输出模块； 多尺度注意力网络 模块包括五组依次连接的跨尺度注意力网络模 块， 以及除最后三组外的跨尺度注 意力网络模块 之间均连接的最大池化层； 每一跨尺度注意力网 络模块包括依次连接的分组多尺度膨胀卷积模 块、 跨尺度注意力特征提取模块， 以及连接分组 多尺度膨胀卷积模块的输入和跨尺度注意力特 征提取模块的输出的第一残差加法器。 本发明病 害识别准确率高， 且可以用于移动设备和嵌入式 设备的作物病害识别。 权利要求书2页 说明书11页 附图5页 CN 115546611 A 2022.12.30 CN 115546611 A 1.一种橡胶病害图像识别方法， 其特 征在于， 包括： 获取待识别橡胶病害图像； 将所述待识别橡胶病害图像输入至预先训练完成的跨尺度注意力轻量级网络中得到 识别结果； 其中， 所述跨尺度注意力轻量级网络包括预处理网络模块、 多尺度注意力网络模块， 以 及网络输出模块； 所述预处理网络模块， 用于提取所述待识别橡胶病害图像的浅层病变特 征图； 所述多尺度注意力网络模块， 用于提取所述浅层病变特征图对应的多尺度感受野特 征图， 对提取 的多尺度感受野特征图进行注意力特征融合得到多尺度融合特征图， 并根据 所述浅层病变特征图和所述多尺度融合特征图得到多尺度 注意力特征图； 所述网络输出模 块， 用于将所述多尺度注意力特 征图转换为所述识别结果； 其中， 所述多尺度注意力网络模块包括五组依次连接的跨尺度注意力网络模块， 以及除最后 三组外的跨尺度 注意力网络模块之 间均连接的最大池化层； 每一所述跨尺度 注意力网络模 块包括依次连接的分组多尺度膨胀卷积模块、 跨尺度 注意力特征提取模块和 第一残差加法 器， 所述第一残差加法器的输入还与所述分组多尺度膨胀卷积模块的输入连接； 所述分组 多尺度膨胀卷积模块， 用于利用不同膨胀率的膨胀卷积操作提取对应输入 特征图的多尺度 感受野特征图； 所述输入特征图为与其连接的上一模块对应的输出特征图； 所述跨尺度注 意力特征提取模块， 用于对提取的对应输入特征图的多尺度感受野特征图进 行注意力特征 融合得到对应多尺度融合特征图； 所述第一残差加法器， 用于将所述输入特征图和对应所 述多尺度融合特 征图相加得到对应所述多尺度注意力特 征图。 2.根据权利要求1所述的橡胶病 害图像识别方法， 其特征在于， 所述预处理网络模块包 括依次连接的3 *3卷积层和最大池化层。 3.根据权利要求1所述的橡胶病 害图像识别方法， 其特征在于， 所述分组多尺度膨胀 卷 积模块包括并行的多个分组卷积结构， 每个分组卷积结构包括依次连接的第一标准卷积单 元、 膨胀卷积单元和第二残差加法器， 且所述第二残差加法器的输入还与所述第一标准卷 积层的输出连接； 其中， 所述第一标准卷积单元包括依次连接的卷积层、 Batch归一化层和 Relu激活层； 所述膨胀卷积单元包括依次连接的膨胀卷积层、 Batch归一化层和Relu激活 层。 4.根据权利要求3所述的橡胶病 害图像识别方法， 其特征在于， 每个分组卷积结构中膨 胀卷积单 元对应膨胀卷积层的膨胀率 不同。 5.根据权利要求3所述的橡胶病 害图像识别方法， 其特征在于， 所述跨尺度注意力特征 提取模块包括依次连接的第三残差加法器、 全局池化层、 第二标准卷积单元、 1*1卷积层和 Sigmoid激活层， 以及与所述Sigmoid激活层的输出连接的若干加权乘法器， 以及与所述若 干加权乘法器的输出连接的拼接单元； 所述第三残差加法器的输入还与所述分组多尺度膨 胀卷积模块的输出连接； 每一所述加权乘法器的输入还与对应所述分组多尺度膨胀卷积模 块的输出连接； 其中， 所述第二标准卷积单元包括依次连接的卷积层、 Batch归一化层和 Relu激活层。 6.根据权利要求5所述的橡胶病 害图像识别方法， 其特征在于， 所述第 一标准卷积单元 中卷积层与所述第二标准卷积单 元中卷积层的卷积核相同， 卷积步长不同。 7.根据权利要求1所述的橡胶病 害图像识别方法， 其特征在于， 所述网络输出模块包括权　利　要　求　书 1/2 页 2 CN 115546611 A 2依次连接的第三标准卷积单元、 平均池化层、 全连接层和Softmax层； 其中， 所述第三标准卷 积单元包括依次连接的3 *3卷积层、 Batc h归一化层和Relu激活层。 8.一种移动设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 所述 处理器、 所述 通信接口、 所述存 储器通过 所述通信总线完成相互的通信； 所述存储器， 用于存放计算机程序； 所述处理器， 用于执行所述存储器上所存放的程序时， 实现权利要求1～7任一项所述 的橡胶病害图像识别方法的步骤。 9.一种嵌入式设备， 其特征在于， 所述嵌入式设备部署有跨尺度注意力轻量级网络， 利 用权利要求1～7任一项所述的橡胶病害图像识别方法实现橡胶病害图像识别。权　利　要　求　书 2/2 页 3 CN 115546611 A 3