本申請涉及病蟲害識別，尤其涉及一種茶葉病蟲害識別方法。

背景技術：

1、茶葉在我國有著舉足輕重的地位，但病蟲害一直是茶農們頭疼的問題。病蟲害不僅影響茶葉的產量和品質，還對茶園的生態環境構成威脅。因此，了解識別茶葉病蟲害的種類，及時針對病害作出防治至關重要。

2、現有技術在茶葉病蟲害識別方面存在多個缺點：傳統圖像處理方法對復雜背景和光照變化適應能力差，導致識別準確性低。卷積神經網絡(cnn)雖引入了深度學習，但模型結構較為簡單，無法充分捕捉復雜特征。yolo系列模型在速度和精度上有所提升，但在細微特征識別上仍顯不足。遷移學習雖然能提高準確性，但通常依賴于訓練數據的豐富性，數據不足會限制其效果。基于圖像識別的移動應用在識別精度和智能化水平上仍顯不足，未能全面滿足實際需求。這些限制使得現有技術難以有效支持茶葉生產的智能化管理。

技術實現思路

1、為解決或部分解決相關技術中存在的問題，本申請提供一種茶葉病蟲害識別方法，采用輕量化卷積技術并引入注意力機制，基于wise-iou損失函數實現精準定位和識別茶葉病蟲害。

2、本申請第一方面提供一種茶葉病蟲害識別方法，包括以下步驟：

3、獲取茶葉圖像；

4、將茶葉圖像輸入預訓練模型中，獲取預訓練模型輸出的預測結果，其中，預訓練模型包括yolov8網絡，以及使用一半特征通道進行5×5深度可分離卷積的輕量化卷積模塊，預訓練模型包括坐標注意力機制和wise-iou?v2損失函數；

5、wise-iou?v2損失函數的表達式為：

6、

7、確定預測結果的預測框與真實框的iou值和權重值，根據iou值和權重值得到加權iou值，選取加權iou值最高的預測框作為目標預測框；

8、輸出目標預測框對應的病害類型和識別概率。

9、其中，病害類型包括茶白星病、灰疫病、油茶寬盾蝽和茶輪斑病。

10、其中，注意力機制包括坐標信息嵌入和坐標注意力生成，通過捕捉空間位置和通道信息，用于提高對細微病蟲害特征的識別能力。

11、其中，坐標信息嵌入包括：

12、輸入x，基于兩個空間擴展的池化核(h,1)或(1,w)分別沿水平和垂直坐標編碼每個通道；

13、將c通道在高度h的輸出表示為：在寬度ω的輸出表示為：

14、將兩個變換分別沿兩個空間方向聚合特征，產生一對方向感知的特征圖。

15、其中，坐標信息嵌入包括：

16、分別獲取方程和生成的聚合特征圖；

17、連接后發送至卷積變換函數f1，得到：f＝δ(f1[zh,zω])，其中，[.,.]表示沿空間維度的連接操作，δ是非線性激活函數，f∈rc/r×(h+w)是編碼了水平和垂直方向空間信息的中間特征圖，r是控制塊大小的縮減比；

18、沿空間維度將f分割為兩個單獨的張量f∈rc/r×h和f∈rc/r×w；

19、基于額外的卷積變換fh和fω分別轉換fh和fω為與輸入x相同通道數的張量，得到：gh＝σ(fh(fh))和gω＝σ(fω(fω))，其中σ是s函數，gh和gω為注意力權重；

20、得到坐標注意力模塊的輸出y，表示為：

21、其中，wise-iou?v2損失函數基于單調聚焦機制，引入了liou的均值作為歸一化因子，其梯度變化為：

22、

23、梯度增益為：

24、

25、其中，茶葉圖像通過預處理原始圖像得到，預處理原始圖像包括：

26、打開原始圖像并調整圖像尺寸和格式得到輸入圖像；

27、旋轉處理輸入圖像，得到不同角度下的擴展圖像并進行圖像增強，圖像增強包括亮度和對比度調整以及高斯模糊；

28、將增強圖像按照特定的命名規則保存，得到結構化的數據集，數據集內包括多個茶葉圖像。

29、本申請提供的技術方案可以包括以下有益效果：

30、本申請提供一種茶葉病蟲害識別方法，采用輕量化卷積技術顯著降低了計算復雜度和參數數量，增強了在資源受限環境中的應用性能。引入注意力機制，使模型能夠更有效地捕捉關鍵特征，提高了對細微病蟲害的識別能力。采用wise-iou損失函數優化目標檢測的精度，在定位和識別茶葉病蟲害方面表現優異，模型展現出較強的魯棒性與適應性，為茶葉智能化管理與病蟲害防治提供了有力的技術支持。

31、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本申請。

技術特征：

1.一種茶葉病蟲害識別方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的茶葉病蟲害識別方法，其特征在于，所述病害類型包括茶白星病、灰疫病、油茶寬盾蝽和茶輪斑病。

3.根據權利要求1所述的茶葉病蟲害識別方法，其特征在于，所述注意力機制包括坐標信息嵌入和坐標注意力生成，通過捕捉空間位置和通道信息，用于提高對細微病蟲害特征的識別能力。

4.根據權利要求3所述的茶葉病蟲害識別方法，其特征在于，所述坐標信息嵌入包括：

5.根據權利要求3所述的茶葉病蟲害識別方法，其特征在于，所述坐標信息嵌入包括：

6.根據權利要求1所述的茶葉病蟲害識別方法，其特征在于，所述wise-iou?v2損失函數基于單調聚焦機制，引入了liou的均值作為歸一化因子，其梯度變化為：

7.根據權利要求1所述的茶葉病蟲害識別方法，其特征在于，所述茶葉圖像通過預處理原始圖像得到，所述預處理原始圖像包括：

技術總結
本申請是關于一種茶葉病蟲害識別方法，包括：獲取茶葉圖像；將茶葉圖像輸入預訓練模型中，獲取預訓練模型輸出的預測結果；確定預測結果的預測框與真實框的IoU值和權重值，根據IoU值和權重值得到加權IoU值，選取加權IoU值最高的預測框作為目標預測框；輸出目標預測框對應的病害類型和識別概率。本申請采用輕量化卷積技術顯著降低了計算復雜度和參數數量，增強了在資源受限環境中的應用性能。引入注意力機制，使模型能夠更有效地捕捉關鍵特征，提高了對細微病蟲害的識別能力。采用Wise?IoU損失函數優化目標檢測的精度，在定位和識別茶葉病蟲害方面表現優異，模型展現出較強的魯棒性與適應性，為茶葉智能化管理與病蟲害防治提供了有力的技術支持。

技術研發人員：趙金燕,劉光金,王白娟,唐基睿,黃仁兵,艾云龍,郭宇
受保護的技術使用者：云南農業大學
技術研發日：
技術公布日：2025/4/28