本发明属于棉花顶芽检测,具体涉及一种多通道自适应特征融合方法。
背景技术:
1、棉花是我国非常重要的农作物之一,是农业生产的四类基础农产品,国内每年棉花的消耗量和进口量均非常庞大,基于精确农业技术的前提下,棉花的种植和管理技术也实现了高度自动化控制,棉花不同于其他植物,它有独特的生长特性即有无限生长的特点,为控制株高和后期无效果枝的生长,打顶是一项有效的措施,研究和生产实践证明,通过摘除顶心,能控制主茎的生长。
2、目前,棉花打顶技术有人工打顶、化学封顶和机械打顶等3种方法。人工打顶掐掉顶芽及部分幼嫩叶片,费工费时,劳动效率低,制约了棉花生产轻简化、规模化、精准化和机械化作业;自动化去顶技术因为棉花顶的形状不规则、枝叶娇嫩,易损毁等特性,难以得到应用,现有的棉花打顶设备在进行打顶工作时,经常会对棉花植株的其他枝叶造成损伤,会影响棉花产量和经济收益,所以还需要针对精准打顶进行深入研究。
3、但是目前棉花顶芽检测算法中存在棉花顶芽特征难以提取,提取效果不好的问题。
技术实现思路
1、本发明的目的是提供一种多通道自适应特征融合方法,用以解决现有技术中存在的的棉花顶芽检测算法中棉花顶芽特征难以提取,提取效果不好的问题。
2、为了实现上述目的,本发明采用以下技术方案:
3、一种多通道自适应特征融合方法,将不同感受野提取的特征分别进行自适应特征选择并融合,具体包括以下步骤:
4、将特征提取网络分成多个分支通道,其中每个分支通道包含不同的卷积层和池化层,每个分支通道的不同维度都对应一个特征映射或者滤波器,进行自适应特征选择,可以提取不同尺度的特征并有自己的权重参数;其计算公式如下:
5、
6、其中,xi是输入图像,fi是不同分支通道的特征图;
7、在模型构造函数中,试验定义了三个分支通道,分别对应三个不同的卷积层序列,它们在卷积核大小、步长和填充方面都不同,以从不同的空间范围提取特征。每个分支通道都以一个池化层结束,将输出特征图的空间大小减小一半。
8、每个分支通道对输入图像进行特征提取,得到多个不同的特征图;
9、将上述特征图分别采用全局平均池化方法将每个分支通道降维成一个数值,再经过一层mlp网络来计算每个分支通道的重要性权重;
10、分别将权重与其对应的特征图相乘后再进行融合,得到一个新的的特征图。
11、进一步的,所述自适应特征选择的具体方法包括以下步骤:
12、通过求每个分支通道所有像素位置上的平均值来计算它的全局均值表达;
13、计算公式如下:
14、
15、其中,xi是输入图像,fi是不同分支通道的特征图;
16、按照预处理方法计算输入数据的全局均值,并将其拼接成一个向量;
17、将该向量输入到多层感知器中,进行非线性映射,以得到一组权重向量;
18、将权重向量与特征向量逐点相乘,以实现每个分支通道的自适应特征选择。
19、进一步的,还包括区分不同分支通道之间的差异性、忽略无用分支通道的方法,具体包括以下步骤:
20、采用全局池化与mlp方法入手,对每个分支提取的特征图按照特征通道进行平均池化操作,得到一个全局向量;
21、使用一个mlp对全局向量进行非线性变换,并通过softmax函数将变换结果转换为每个通道对应的权重值;
22、将上述权重乘以对应通道上的特征向量,来实现自适应特征选择,对不同通道的重要性进行区分,进而通过不同比例的权重对全部特征图进行融合。
23、有益效果:本发明通过多通道自适应特征融合的方法,可以将不同感受野提取的特征分别进行自适应特征选择并融合,从而提高目标检测算法的鲁棒性,大大提高了棉花顶芽遮挡目标检测的准确度。
1.一种多通道自适应特征融合方法,其特征在于,将不同感受野提取的特征分别进行自适应特征选择并融合,具体包括以下步骤:
2.根据权利要求1所述的多通道自适应特征融合方法,其特征在于,所述自适应特征选择的具体方法包括以下步骤:
3.根据权利要求1所述的多通道自适应特征融合方法,其特征在于,还包括区分不同分支通道之间的差异性、忽略无用分支通道的方法,具体包括以下步骤: