[发明专利]基于神经网络的植物叶片病害分类方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.基于神经网络的植物叶片病害分类方法，所述神经网络包括初始层、中间层和输出层，其特征在于，所述植物叶片病害分类方法包括：

获取目标图像；

将所述目标图像输入所述初始层，提取出叶片特征信息；

将所述叶片特征信息输入所述中间层，提取出病害特征信息；

将所述叶片病害特征信息输入所述输出层进行分类，得到预测结果。

2.根据权利要求1所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述初始层依次包括一次卷积层、一次池化层、二次卷积层以及二次池化层。

3.根据权利要求2所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述中间层包括多个图像特征提取模块，所述叶片特征信息依次经过各所述图像特征提取模块提取后得到所述病害特征信息。

4.根据权利要求3所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述图像特征提取模块包括：

第一分支卷积网络，所述第一分支卷积网络用于从所述叶片特征信息中提取第一类斑点特征信息；

第二分支卷积网络，所述第二分支卷积网络用于从所述叶片特征信息中提取第二类斑点特征信息；

过滤器，所述过滤器用于将所述第一类斑点特征信息和所述第二类斑点特征信息汇总并输出。

5.根据权利要求4所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述图像特征提取模块还包括残差结构，所述叶片特征信息还通过残差结构传递至所述过滤器。

6.根据权利要求3所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述图像特征提取模块为将Inception结构中的至少一卷积模块替换为残差结构。

7.根据权利要求1所述的基于神经网络的植物叶片病害分类方法，其特征在于，所述输出层包括平均池化层和Softmax层，所述神经网络还包括通道注意力机制模块，所述通道注意力机制模块中的感知器包括两个一维卷积。

8.基于神经网络的植物叶片病害分类装置，其特征在于，包括：

第一模块，用于获取目标图像；

第二模块，用于将所述目标图像输入所述初始层，提取出叶片特征信息；

第三模块，用于将所述叶片特征信息输入所述中间层，提取出病害特征信息；

第四模块，用于将所述叶片病害特征信息输入所述输出层进行分类，得到预测结果。

9.计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于神经网络的植物叶片病害分类方法。

10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现权利要求1至7中任一项所述的基于神经网络的植物叶片病害分类方法。