【技术实现步骤摘要】
本专利技术涉及小麦病害诊断，具体涉及小麦病害物联网开集识别方法。
技术介绍
1、在农作物病害的识别与防治领域，传统采用人眼目视观察和手工检查操作繁琐且耗时，缺乏实时性，并且受个人经验和判断力的影响较大，容易造成小麦病害预防不充分和漏检的风险；
2、虽然人工智能技术在小麦病害识别中取得了显著的进展，但现有方法多基于闭集的假设，即模型训练和测试时都假定所有可能的病害类别已知，训练和测试数据来源于相同的标签空间，并覆盖所有类别；然而，小麦的品种及生长阶段、气候条件和种植技术的差异也会影响病害的发生发展，同时，新的病害可能会随着时间出现，这些新类型在模型训练阶段是未知的，而创建一个覆盖全部小麦病害种类、多样性和品种的训练集是一个持续的挑战，在实践中往往不可能收集包含小麦病害多样性且样本量充足的数据来训练模型，另外，在物联网环境中，拍摄图像的传感器在长期使用中会面临类似于传感器漂移的问题，造成采集图像质量的降低，如颜色偏移、对比度变化或曝光不一致等，这些变化会影响图像分析的准确性和可靠性；
3、因此，这个闭集假设极大地影响了小麦病害识别模型在实际场景中的应用，导致基于闭集的小麦病害分类方法产生错误的病害判别结果，将未知病害错误分类为已知病害种类，因此，需要构建能够适应新病害识别的更灵活的开集方法，在判别出未知病害的同时还能精准识别出已知病害，以提高小麦病害识别模型在现实世界应用中的鲁棒性和适应性；
4、鉴于以上，本申请提供小麦病害物联网开集识别方法用于解决上述问题。
技术实现
1、针对上述情况，为克服现有技术之缺陷，本专利技术提供小麦病害物联网开集识别方法，本研究采用efficientnet-b0模型作为基础，构建了一个具有小麦病害诊断证据不确定性的开集模型，设计了训练集中未知类别的不确定阈值设置方法，通过最优分类边界自动计算出未知类别的判别阈值，根据最新监测到的数据更新病害识别模型的不确定性阈值，从而更灵活地适应小麦病害的变化和新出现的病害类别。
2、小麦病害物联网开集识别方法，其特征在于，以efficientnet-b0模型为基础，构建具有小麦病害诊断证据不确定性的开集模型，将验证集中的识别结果转化为二分类问题，提出一种对训练集中未知病害类别的不确定阈值设置方法；通过最优分类边界计算出未知病害类别的不确定性阈值，根据小麦病害物联网监测数据更新开集模型的不确定性阈值；
3、开集模型不断评估和调整其对未知病害类别的不确定性阈值，自动确定一个最优的不确定性阈值，以区分已知类别和未见类别的病害。
4、上述技术方案有益效果在于：
5、(1)本申请以efficientnet-b0模型为基础，构建具有小麦病害诊断证据不确定性的开集模型，提出一种对训练集中未知病害类别的不确定阈值设置方法，同时提出了面向物联网监测数据的阈值动态更新策略，模型能够为训练数据中涉及的小麦病害提供可靠的诊断，同时能够识别出训练集病害种类之外的病害；
6、(2)本申请中的开集模型能够更好地评估其诊断的置信度，特别是在处理训练数据中未出现的小麦病害新类别时可有效防止传统模型的误诊。
本文档来自技高网...【技术保护点】
1.小麦病害物联网开集识别方法，其特征在于，以EfficientNet-B0模型为基础，构建具有小麦病害诊断证据不确定性的开集模型，将验证集中的识别结果转化为二分类问题，提出一种对训练集中未知病害类别的不确定阈值设置方法；
2.根据权利要求1所述的小麦病害物联网开集识别方法，其特征在于，采用主观逻辑结合证据不确定性理论框架，将Dirichlet分布与信念分布关联起来，以根据从EfficientNet-B0主干网络收集到的证据来计算不同小麦病害的概率及相应的整体不确定性分数。
3.根据权利要求2所述的小麦病害物联网开集识别方法，其特征在于，所述Dirichlet分布的概率密度函数如下：
4.根据权利要求3所述的小麦病害物联网开集识别方法，其特征在于，所述小麦病害诊断证据不确定性的开集模型构建过程包括证据特征的提取；Dirichlet分布参数化；计算信任度和不确定性评分。
5.根据权利要求4所述的小麦病害物联网开集识别方法，其特征在于，所述证据特征提取过程如下：
6.根据权利要求4所述的小麦病害物联网开集识别方法，其特征在于
7.根据权利要求4所述的小麦病害物联网开集识别方法，其特征在于，所述计算信任度和不确定性评分过程如下：
8.根据权利要求2所述的小麦病害物联网开集识别方法，其特征在于，采用交叉熵损失函数用于作物病害识别，其表达式如下：
9.根据权利要求1所述的小麦病害物联网开集识别方法，其特征在于，将小麦病害的多类分类问题转化为二元决策，将模型的每个病害种类识别结果划分为两类{1,0}，1为正确，0为错误。
...【技术特征摘要】
1.小麦病害物联网开集识别方法，其特征在于，以efficientnet-b0模型为基础，构建具有小麦病害诊断证据不确定性的开集模型，将验证集中的识别结果转化为二分类问题，提出一种对训练集中未知病害类别的不确定阈值设置方法；
2.根据权利要求1所述的小麦病害物联网开集识别方法，其特征在于，采用主观逻辑结合证据不确定性理论框架，将dirichlet分布与信念分布关联起来，以根据从efficientnet-b0主干网络收集到的证据来计算不同小麦病害的概率及相应的整体不确定性分数。
3.根据权利要求2所述的小麦病害物联网开集识别方法，其特征在于，所述dirichlet分布的概率密度函数如下：
4.根据权利要求3所述的小麦病害物联网开集识别方法，其特征在于，所述小麦病害诊断证据不确定性的开集模型构建过...
【专利技术属性】
技术研发人员：虎晓红，司海平，尚俊平，苏克勤，孙昌霞，陈宝钢，刘羿，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。