基于ResNet和Transformer融合模型的植物病虫害图像识别方法和装置
申请号:CN202511024895
申请日期:2025-07-24
公开号:CN120853015A
公开日期:2025-10-28
类型:发明专利
摘要
本申请涉及一种基于ResNet和Transformer融合模型的植物病虫害图像识别和装置,涉及深度学习技术领域。所述方法包括:将待识别的植物病虫害图像输入ResNet和Transformer融合模型,所述融合模型包括特征提取模块、特征转化模块和分类模块;通过所述特征提取模块对所述植物病虫害图像进行嵌入自注意力机制的特征提取,得到图像特征信息;通过所述特征转化模块对所述图像特征信息进行特征信息转化,得到特征关联信息;将所述图像特征信息和特征关联信息输入分类模块,得到植物病虫害图像的识别结果。采用本方法可以为植物病虫害的精准识别提供了高效可靠的解决方案。
技术关键词
图像特征信息
植物病虫害
序列化特征
特征提取模块
注意力机制
残差模块
图像识别方法
局部特征提取
图像识别装置
计算机设备
深度学习技术
可读存储介质
关系建模
标识符
处理器
输入模块
存储器