CN119091304B 一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法 （哈爾濱航天恒星數(shù)據(jù)系統(tǒng)科技有限公司）

產(chǎn)業(yè)開(kāi)發(fā)區(qū)科技創(chuàng)新城創(chuàng)新路1616號(hào)一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果包括構(gòu)建共享模塊提取輸入數(shù)據(jù)的淺層特征與多尺度骨干網(wǎng)絡(luò)特征提取模型D_E_MCAN對(duì)次淺語(yǔ)義特征與邊緣特征，結(jié)合構(gòu)建的總體損失函2步驟S4構(gòu)建共享模塊Share_Stem的方法為應(yīng)用兩個(gè)改進(jìn)的輕量主干MobileNetV3初始模塊M2提取的次淺層特征F2將輸入語(yǔ)義S5.1.構(gòu)建增強(qiáng)型多尺度卷積注意力機(jī)制E_MCA注意力模塊，E_MCA注意力模塊的數(shù)學(xué)其中，x為輸入特征；Conv1x1為1x1卷積；DWConv5x5為x初始進(jìn)行的5x5深度卷積；att為E_MCA注意S5.3.應(yīng)用步驟S5.2構(gòu)建的空間注意力機(jī)制E_MCASpatial注意力模塊構(gòu)建基礎(chǔ)構(gòu)造其中，BatchNorm為批歸一化，E_MCAspa_att為步驟S5.2構(gòu)建的空間注意力機(jī)制E_MCA3含一個(gè)下采樣模塊和一堆構(gòu)建模塊以及批歸一化，第一個(gè)階段，初始下采樣模塊為初始采樣模塊參考ViT架構(gòu)的stem部分并采用重疊的補(bǔ)丁OverlapPatchEmbed模塊，第二個(gè)階S6.構(gòu)建邊緣檢測(cè)分支，將步驟S4得到的淺層特征與步驟S5得到的多尺度語(yǔ)義特征進(jìn)采用雙線(xiàn)性插值對(duì)多尺度邊界特征進(jìn)行上采樣并連接到一起，應(yīng)用一個(gè)1x1的2d卷積S_multi_scale為語(yǔ)義分割網(wǎng)i是第i個(gè)樣本真實(shí)標(biāo)簽，取值0或1，是模型預(yù)測(cè)的第i個(gè)樣本概4應(yīng)用一個(gè)簡(jiǎn)單的1x1卷積分類(lèi)頭預(yù)測(cè)步驟S6中所述的預(yù)測(cè)邊緣掩膜Bm；S7.1.構(gòu)建雙分支特征融合模塊主動(dòng)融合解碼器連接步驟S5構(gòu)建的語(yǔ)義分割分支和步雙分支特征首先進(jìn)行全局平均池化，是將語(yǔ)義特征與邊緣特征進(jìn)行融表達(dá)式為：再通過(guò)通道級(jí)拼接的逆運(yùn)算，將其分為語(yǔ)義分支權(quán)重向量ws_att和邊緣分支權(quán)重向量S7.2.設(shè)置步驟S7的正則化損失函數(shù)應(yīng)用雙向一致性損失函數(shù)，包含邊界到語(yǔ)義一致設(shè)置3x3核大小的sobel邊緣檢測(cè)算子C，分別在融合語(yǔ)義預(yù)測(cè)圖Fm上進(jìn)行X軸與Y軸上5S7.5.正則化函數(shù)Lreg為邊界到語(yǔ)義一致性損失函數(shù)與語(yǔ)義S7.6.增強(qiáng)型邊緣檢測(cè)_語(yǔ)義分割雙分支膨脹卷積網(wǎng)絡(luò)D_E_BSNet至此組裝完成，總體S7.7.應(yīng)用一個(gè)簡(jiǎn)單的1x1分類(lèi)頭做整體的最終預(yù)測(cè)掩膜Fm；S8.將步驟S3得到的輸入數(shù)據(jù)集，輸入到步驟S7構(gòu)2.根據(jù)權(quán)利要求1所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，其S1.1.設(shè)置采集復(fù)雜情景的芒果林木的無(wú)人機(jī)影像，復(fù)雜情景中的情景包括背景精準(zhǔn)農(nóng)業(yè)模塊進(jìn)行初步識(shí)別，得到冠層*.SHP格式的矢量作為復(fù)雜情景下芒果單株冠層標(biāo)3.根據(jù)權(quán)利要求2所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，其6CIVE＝0.441r_0.881g+0.385b+18.78745；S2.2.利用ENVI5.6.3計(jì)算步驟S2.1得到的指數(shù)數(shù)4.根據(jù)權(quán)利要求3所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，其5.根據(jù)權(quán)利要求4所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，其特征在于，步驟S8為將步驟S3得到的輸入數(shù)據(jù)集I輸入到步驟S7構(gòu)建的組合模型進(jìn)行模型7構(gòu)，F(xiàn)reudenberg等應(yīng)用深、淺層U_Net結(jié)合，取得了較高精度。宋昊昕應(yīng)用PSPNet、關(guān)方法討論將雙分支網(wǎng)絡(luò)與多尺度卷積思想應(yīng)用到單木冠層分8[0013]S6.構(gòu)建邊緣檢測(cè)分支，將步驟S4融合步驟S5得到的多尺度語(yǔ)義特征與步驟S6得到的邊緣特征，結(jié)合構(gòu)建的總體損失函數(shù)，[0016]S9.利用步驟S8得到的最優(yōu)芒果單株[0020]S1.2.對(duì)步驟S1.1采集的無(wú)人機(jī)影像，對(duì)芒果單株冠層進(jìn)行面繪制，應(yīng)用9[0047]進(jìn)一步的，步驟S4構(gòu)建共享模塊Share_Stem的方法為應(yīng)用兩個(gè)改進(jìn)的輕量主干DWConv5×5為x初始進(jìn)行的5×5深度卷積；att為E_MCA注意[0059]S5.3.應(yīng)用步驟S5.2構(gòu)建的空間注意力機(jī)制E_MCASpatial注意力模塊構(gòu)建基礎(chǔ)[0061]其中，BatchNorm為批歸一化，E_MCAspa_att為步驟S5.2構(gòu)建的空間注意力機(jī)制E_[0064]其中，y'out為上一步輸出特征這一支骨干網(wǎng)絡(luò)中層次結(jié)構(gòu)的四個(gè)階段提取的特征，先分別送入3×3卷積層、組歸一化層和[0078]其中，F(xiàn)S_multi-scale為語(yǔ)義分割網(wǎng)絡(luò)提取的多尺度特征，Conv3×3為3×3卷積，[0102]S7.5.正則化函數(shù)Lreg為邊界到語(yǔ)[0109]根據(jù)權(quán)利要求8所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，其特征在于，步驟S8為將步驟S3得到的輸入數(shù)據(jù)集I輸入到步驟S7構(gòu)建的組合模型進(jìn)行模[0112]本發(fā)明所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法，能高效、[0113]圖1為本發(fā)明所述的一種耦合多尺度卷積與雙分支網(wǎng)絡(luò)的芒果單木提取方法的流[0122]圖10為本發(fā)明所述的最優(yōu)芒果單株冠層提取模型精度評(píng)價(jià)圖，其中(a)為訓(xùn)練集施方式，本領(lǐng)域技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他具體實(shí)施方[0133]S1.2.對(duì)步驟S1.1采集的無(wú)人機(jī)影像，對(duì)芒果單株冠層進(jìn)行面繪制，應(yīng)用[0163]進(jìn)一步的，步驟S4構(gòu)建共享模塊Share_Stem的方法為應(yīng)用兩個(gè)改進(jìn)的輕量主干DWConv5×5為x初始進(jìn)行的5×5深度卷積；att為E_MCA注意[0178]S5.3.應(yīng)用步驟S5.2構(gòu)建的空間注意力機(jī)制E_MCASpatial注意力模塊構(gòu)建基礎(chǔ)[0180]其中，BatchNorm為批歸一化，E_MCAspa_att為步驟S5.2構(gòu)建的空間注意力機(jī)制E_[0183]其中，y'out為上一步輸出特征這一強(qiáng)多尺度骨干網(wǎng)絡(luò)(Dilatedenhancedmultiscaleconvolutionattentionbackbone，[0195]S6.構(gòu)建邊緣檢測(cè)分支，將步驟S4支骨干網(wǎng)絡(luò)中層次結(jié)構(gòu)的四個(gè)階段提取的特征，先分別送入3×3卷積層、組歸一化層和[0200]其中，F(xiàn)S_multi-scale為語(yǔ)義分割網(wǎng)絡(luò)提取的多尺度特征，Conv3×3為3×3卷積，融合步驟S5得到的多尺度語(yǔ)義特征與步驟S6得到的邊緣特征，結(jié)合構(gòu)建的總體損失函數(shù)，[0233]進(jìn)一步的，步驟S8為將步驟S3得到的輸入數(shù)據(jù)集I輸入到步驟S7構(gòu)建的組合模型像素?cái)?shù)；假陽(yáng)性(falsepositive，F(xiàn)P)預(yù)測(cè)為真、實(shí)際為假的像素?cái)?shù)；假陰性(false[0246]S9.利用步驟S8得到的最優(yōu)芒果單株[0256]由表3可以得到參數(shù)量對(duì)比結(jié)果，可以直觀得到結(jié)論：Deeplabv3+是基于要求的范圍內(nèi)的所有技術(shù)方