(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 202211194867.6 (22)申请日 2022.09.29 (71)申请人 浙江天演维真网络科技股份有限公 司 地址 310004 浙江省杭州市下城区沈家路 319号119 (72)发明人 郑新立　陈浩　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 蔡舒野 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 农作物病害分类模型的构建方法、 装置、 设 备及介质 (57)摘要 本发明公开了农作物病害分类模型的构建 方法、 装置、 设备及介质。 该方法包括： 利用标定 作物图像对 预设神经网络模型进行训练及测试； 提取预设神经网络模型中位于末位全连接层的 特征向量作为第一特征向量， 以及位于次末位全 连接层的特征向量作为第二特征向量； 其中， 第 一特征向量及第二特征向量均对应同一标定作 物图像； 从第一特征向量及第二特征向量中提取 具有鲁棒特征的最佳特征对向量， 并将最佳特征 对向量进行特征融合， 得到最优特征向量； 依据 最优特征向量 以及预设集成学习分类器构建农 作物病害分类模型。 通过本发明的技术方案， 能 够构建出分类准确的农作物病害分类模型， 提高 了农作物病害分类的准确度， 降低了 计算成本 。 权利要求书2页 说明书13页 附图7页 CN 115294405 A 2022.11.04 CN 115294405 A 1.一种农作物病害分类模型的构建方法， 其特 征在于， 包括： 利用标定作物图像对预设神经网络模型进行训练及测试； 提取预设神经网络模型中位于末位全连接层的特征向量作为第 一特征向量， 以及位于 次末位全连接层的特征向量作为第二特征向量； 其中， 第一特征向量及第二特征向量均对 应同一标定作物图像； 从所述第一特征向量及第 二特征向量中提取具有鲁棒特征的最佳特征对向量， 并将所 述最佳特征对向量进行 特征融合， 得到最优特 征向量； 依据所述 最优特征向量以及预设集成学习分类 器构建农作物病害分类模型。 2.根据权利要求1所述的方法， 其特征在于， 所述提取预设神经网络模型中位于末位全 连接层的特征向量作为第一特征向量， 以及位于次末位全连接层的特征向量作为第二特征 向量， 包括： 根据公式： 提取预设神经网络模型中位于末位全连接 层的特征向量作为第一特征向量， 以及位于次末位全连接层的特征向量作为第二特征向 量； 其中， x表示预设神经网络模型中卷积层的输出向量； ReLU表示激活函数。 3.根据权利要求1所述的方法， 其特征在于， 从所述第 一特征向量及第 二特征向量中提 取具有鲁棒特 征的最佳 特征对向量， 包括： 根据投影理论构建第一特征向量对应的第一数据矩阵以及第二特征向量对应的第二 数据矩阵； 根据第一数据矩阵与第 二数据矩阵之间的协方差数值， 提取满足预设协方差要求的第 一目标特征向量及第二目标 特征向量， 作为 最佳特征对向量。 4.根据权利要求3所述的方法， 其特征在于， 所述根据投影理论构建第 一特征向量对应 的第一数据矩阵以及第二特 征向量对应的第二数据矩阵， 包括： 将所述第一特征向量投影至预设超平面中， 生成第一特征投影向量； 并将所述第二特 征向量投影至预设超平面中， 生成第二特 征投影向量； 根据公式： 构建第一特征投影向量对应的第一数据矩阵； 其中， 表 示第一特征投影向量， 表示第一特征投影向量对应的加 载向量， E表示第一特征投影向 量对应的残差向量， d表示第一特 征投影向量的总数； 根据公式： 构建第二特征投影向量对应 的第二数据矩阵； 其中， 表示第二特征投影向量， 表示第二特征投影向量对应的加载向量， 表示第二特征投 影向量对应的残差向量， d表示第二特 征投影向量的总数。 5.根据权利要求3所述的方法， 其特征在于， 所述根据第 一数据矩阵与第 二数据矩阵之 间的协方差数值， 提取满足预设协方差要求的第一 目标特征向量及第二 目标特征向量， 作 为最佳特征对向量， 包括：权　利　要　求　书 1/2 页 2 CN 115294405 A 2根据公式： 计算第一数据矩阵与 第二数据矩 阵之间的协方差数值； 其中， I表示第一特征投影向量； O表示第二特征投影向 量；w表示第一特 征投影向量或第二特 征投影向量的序号； 提取满足预设协方差要求的第 一特征投影向量及第 二特征投影向量， 作为第 一目标特 征向量及第二目标 特征向量， 并组成最佳 特征对向量。 6.根据权利要求1所述的方法， 其特征在于， 所述将所述最佳特征对向量进行特征融 合， 得到最优特 征向量， 包括： 根据最佳 特征对向量进行 特征融合生成融合特 征矩阵； 根据各融合特 征矩阵中各融合特 征向量的权 重系数， 获取 各融合特 征向量的重要值； 确定满足预设阈值 函数的重要值所对应的融合特 征向量， 作为 最优特征向量。 7.根据权利要求1所述的方法， 其特征在于， 依据 所述最优特征向量以及预设集成学习 分类器构建农作物病害分类模型， 包括： 根据迁移学习构建包 含所述最优特征向量的特 征识别全连接层； 将所述特 征识别全连接层与预设集成学习分类 器拼接， 生成农作物病害分类模型。 8.一种农作物病害分类模型的构建装置， 其特 征在于， 包括： 预训练模块， 用于利用标定作物图像对预设神经网络模型进行训练及测试； 特征提取模块， 用于提取预设神经网络模型中位于末位全连接层的特征向量作为第 一 特征向量， 以及位于次末位全连接层的特征向量作为第二特征向量； 其中， 第一特征向量及 第二特征向量均对应同一标定作物图像； 特征融合模块， 用于从所述第 一特征向量及第 二特征向量中提取具有鲁棒特征的最佳 特征对向量， 并将所述 最佳特征对向量进行 特征融合， 得到最优特 征向量； 模型构建模块， 用于依据所述最优特征向量以及预设集成学习分类器构建农作物病 害 分类模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 农作物病害分类模型的构建方法。 10.一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指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的农作物病害分 类模型的构建方法。权　利　要　求　书 2/2 页 3 CN 115294405 A 3