基于分层特征对齐网络的小样本马铃薯病害叶片检测

针对传统马铃薯病害叶片检测方法过度依赖大量训练数据以及对未知病害识别泛化性不强的问题，提出一种基于分层特征对齐网络的小样本马铃薯病害叶片检测模型。首先，收集并整理包含多种病害类型的弱标注马铃薯病害叶片数据集。其次，在支持分支中建立文本语义和视觉语义的多模态双层特征语义表示，并利用预训练网络生成多个候选框。再次，利用卷积神经网络将候选框区域映射到深度特征空间，并借助无参数的度量方法实现文本语义与视觉语义的特征对齐。最后，将查询分支中的未知类病害图片与多模态视觉和文本语义关联集进行度量计算，根据相似度值快速给出待测图片中未知新类的病害类别。通过在自建的马铃薯病害叶片数据集和开源数据集上进行测试，所提出模型分别可以实现93.55%和96.35%的识别精度，在跨域数据集上可以实现95.15%和94.06%的识别精度，优于当前经典的目标检测模型，具有一定的实际应用价值。