(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 202210122780.1 (22)申请日 2022.02.09 (71)申请人 深延科技 （北京） 有限公司 地址 100081 北京市海淀区中关村大街27 号15层15 08 (72)发明人 陈海波　罗志鹏　牛康宁　 (74)专利代理 机构 苏州领跃知识产权代理有限 公司 32370 专利代理师 王宁 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/774(2022.01) G06V 10/34(2022.01) G06V 10/82(2022.01) (54)发明名称 植物疾病分类方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供了植物疾病分类方法、 装置、 电 子设备及存储介质， 所述方法包括： 将第一待分 类图像分别输入分类模型的多个注意力提取网 络， 以获得所述第一待分类图像的多个注意力提 取结果； 其中， 所述第一待分类图像为拍摄一株 植物获得的图像； 对所述第一待分类图像的多个 注意力提取结果进行加权融合， 以获得所述第一 待分类图像的注意力融合结果； 将所述第一待分 类图像及其注意力融合结果输入所述分类模型 的分类网络， 以获得指示所述第一待分类图像所 对应的植物疾病类别的分类信息。 本植物疾病分 类方法通过多个注意力提取网络分别进行注意 力提取， 并对提取结果进行加权融合， 可 以得到 细化的植物疾病分类结果。 权利要求书2页 说明书14页 附图9页 CN 114492657 A 2022.05.13 CN 114492657 A 1.一种植物疾病分类方法， 其特 征在于， 所述方法包括： 将第一待分类图像分别输入分类模型的多个注意力提取网络， 以获得所述第 一待分类 图像的多个注意力提取 结果； 其中， 所述第一待分类图像为拍摄一株植物获得的图像； 对所述第一待分类图像的多个注意力提取结果进行加权融合， 以获得所述第 一待分类 图像的注意力融合结果； 将所述第一待分类图像及其注意力融合结果输入所述分类模型的分类网络， 以获得指 示所述第一待分类图像所对应的植物疾病类别的分类信息 。 2.根据权利要求1所述的植物疾病分类方法， 其特征在于， 所述分类模型的多个注意力 提取网络包括第一注意力提取网络 至第四注意力提取网络； 所述将第一待分类图像分别 输入分类模型的多个注意力提取网络， 得到所述第 一待分 类图像的多个注意力提取 结果， 包括： 将第一待分类图像分别输入所述分类模型的第 一注意力提取网络， 得到所述第 一待分 类图像的第一注意力提取 结果； 将第一待分类图像分别输入所述分类模型的第 二注意力提取网络， 得到所述第 一待分 类图像的第二注意力提取 结果； 将第一待分类图像分别输入所述分类模型的第 三注意力提取网络， 得到所述第 一待分 类图像的第三注意力提取 结果； 将第一待分类图像分别输入所述分类模型的第四注意力提取网络， 得到所述第 一待分 类图像的第四注意力提取 结果。 3.根据权利要求2所述的植物疾病分类方法， 其特征在于， 所述第 一注意力提取网络是 SE_ResNeXt50， 所述第二注意力提取网络是SE_ResNeXt101， 所述第三注意力提取网络是 SENet154， 所述第四注意力提取网络是DenseNet 201。 4.根据权利要求1所述的植物疾病分类方法， 其特 征在于， 还 包括以下步骤： 将第i待分类图像分别输入所述分类模型的多个注意力提取网络， 得到所述第 i待分类 图像的多个注意力提取结果； 所述第i待分类图像的获取方式是以下任意一种： 所述第i待 分类图像和所述第一待分类图像是拍摄同一株植物获得的； 所述第i待分类图像是对所述 第一待分类图像进行 数据增强得到的； 其中， i 为整数， 1＜i≤N， N是 大于1的整数； 对所述第 i待分类图像的多个注意力提取结果进行加权 融合， 以获得所述第 i待分类图 像的注意力融合结果； 将所述第i待分类图像及其注意力融合结果输入所述分类模型的分类网络， 以获得指 示所述第i待分类图像所对应的植物疾病类别的分类信息； 基于所述第一待分类图像至所述第N待分类图像对应的植物疾病类别， 确定所述第一 待分类图像对应的最终植物疾病类别。 5.根据权利要求4所述的植物疾病分类方法， 其特征在于， 当N＝4时， 所述第二待分类 图像至所述第N待分类图像的获取 过程包括以下步骤： 对所述第一待分类图像进行随机 裁剪， 以获得第二待分类图像； 对所述第一待分类图像进行随机 裁剪和水平翻转， 以获得第三待分类图像； 对所述第一待分类图像进行随机 裁剪和垂直翻转， 以获得第四待分类图像。 6.根据权利要求4所述的植物疾病分类方法， 其特征在于， N＝2或3， 所述第i待分类图权　利　要　求　书 1/2 页 2 CN 114492657 A 2像和所述第一待分类图像是拍摄同一株植物的全部或者局部得到的， 所述同一株植物是木 薯。 7.根据权利要求1所述的植物疾病分类方法， 其特征在于， 所述分类模型的训练过程如 下： 获取训练图像以及指示所述训练图像所对应的植物疾病的标注类别的标注信息； 将所述训练图像分别 输入所述分类模型的多个注意力提取网络， 以获得所述训练图像 的多个注意力提取 结果； 对所述训练图像的多个注意力提取结果进行加权融合， 以获得所述训练图像的注意力 融合结果； 将所述训练图像及其注意力融合结果输入所述分类模型的分类网络， 以获得指示所述 训练图像所对应的植物疾病的预测类别的分类信息； 利用所述训练图像的分类信息和标注信息训练所述分类模型。 8.根据权利要求7所述的植物疾病分类方法， 其特征在于， 所述分类模型的训练过程还 包括： 使用垂直翻转、 水平翻转、 随机旋转、 随机裁剪、 随机擦除、 抠图中的至少一种方式， 对 所述训练集进行 数据增强； 所述利用所述训练图像的分类信息和标注信息训练所述分类模型， 包括： 将所述训练集拆分为k部分， 使用k折交叉验证的方式， 利用数据增强后的多个所述训 练图像的分类信息和标注信息训练所述分类模型。 9.根据权利要求7所述的植物疾病分类方法， 其特征在于， 在对所述分类模型进行训练 的过程中， 使用Mixup方式， 并在训练过程中采用label  smoothin  g对预测类别进行平滑处 理。 10.根据权利要求7所述的植物疾病分类方法， 其特征在于， 在对所述分类模型进行训 练的过程中， 以Adam为优化器， 使用交叉熵损失函数作为所述分类模型的损失函数。 11.一种植物疾病分类装置， 其特 征在于， 所述装置包括： 第一提取模块， 用于将第一待分类图像分别输入分类模型的多个注意力提取网络， 以 获得所述第一待分类图像的多个注意力提取结果； 其中， 所述第一待分类图像为拍摄一株 植物获得的图像； 第一融合模块， 用于对所述第一待分类图像的多个注意力提取结果进行加权融合， 以 获得所述第一待分类图像的注意力融合结果； 第一分类模块， 用于将所述第 一待分类图像及其注意力融合结果输入所述分类模型的 分类网络， 以获得指示所述第一待分类图像所对应的植物疾病类别的分类信息 。 12.一种电子设备， 其特征在于， 所述电子设备包括存储器和 处理器， 所述存储器存储 有计算机程序， 所述处理器执行所述计算机程序时实现权利要求 1‑10任一项 所述植物疾病 分类方法的步骤。 13.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处理器执行时实现权利要求 1‑10任一项 所述植物疾病分类方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114492657 A 3