基于轻量化图像超分方法的作物图像处理系统研究

作     者：陈烽 

作者单位：河北大学 

学位级别：硕士

导师姓名：朱亮;孟英

授予年度：2024年

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：作物图像处理 图像超分辨率 图像目标检测 轻量化 计算机视觉 

摘      要：为保障正常农业生产和提高农业生产效率,国务院提出了《十四五农业农村现代化规划》,旨在利用计算机和自动化等现代化技术实现农业智能、绿色和稳定生产。随着大规模机械化农业生产占据主流,人们对结合深度学习技术的农作物生产辅助决策系统的需求变得日益迫切。在大规模生产下,农作物图像成为了传感器之外的重要数据来源。对作物图像进行目标检测以获取病虫害情况,再根据数据分析生成合适的防治策略建议,成为了实现农作物生产辅助决策系统的一条可行路径。本文对农作物生产辅助决策系统的关键环节进行了研究,主要内容如下: 第一,提出了辅助病虫害防治的作物图像处理系统,实现了对地块、作物图像和决策建议信息的数据管理,支持对作物图像的一键检测。通过超分辨率技术增强作物图像,利用目标检测技术提取作物信息,采取数据分析和字典检索以生成病虫害防治辅助决策。结合Java语言框架和Python语言框架,调用多端口应用以实现深度学习网络在B/S架构上的应用。另外,使用数据库管理技术、文件管理技术和天气预报接口完善了病虫害辅助决策流程。第二,针对遥感图像和利用无人机拍摄的图像会出现分辨率不足的情况,提出了结合注意力机制和多分支结构的图像超分方法。采用具有像素注意力的自校准卷积块和平均局部注意力块,构成了轻量级局部注意力网络,去除了经典图像超分辨率网络中的一些低效模块。提出了平均局部注意力以更好地提取角点特征,利用逐像素卷积和长短残差融合不同视野的纹理特征,以实现更真实、更高效的图像重建。第三,针对深度学习模型昂贵的时间和存储成本限制其在作物图像处理系统上应用的情况,设计了结合适配器和侧面微调技术的轻量级深度学习网络训练方法。提出了最大转换校准机制,将该门控机制与瓶颈架构结合,实现了校准侧面调优架构。通过使用少量额外参数,在保持训练过程平滑的同时提升网络性能。另外,针对多种经典微调策略进行了深入分析,设计了其在卷积骨架网络中的应用,从而拓展了面向目标检测网络的微调策略研究。