具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种基于人工智能的病虫害防治系统，包括无线视觉前端、通信模组和云端服务器，所述病虫害防治系统通过无线视觉前端定时拍摄茶园已放置的粘虫板的高清图像，利用通信模组将拍摄的高清图像数据上传至云端服务器，云端服务器接收所述高清图像数据，并基于人工智能分析茶园虫害的种类及数量，并提供病虫害情况的预测预报，其中：

无线视觉前端基于太阳能供电，包括太阳能光伏板、太阳能充电控制电路、锂电池、MCU微处理器、GPS定位模组和图像采集模组，所述太阳能光伏板通过太阳能充电控制电路与锂电池连接，MCU微处理器分别与太阳能充电控制电路、GPS定位模组和图像采集模组连接，MCU微处理器通过控制太阳能充电控制电路实现太阳能光伏板对锂电池的充放电，且所述MCU微处理器还通过通信模组与云端服务器连接。需要说明的是，MCU微处理器通过以下情形控制太阳能充电控制电路实现太阳能光伏板对锂电池的充放电：当所述太阳能光伏板的电压高于锂电池的电压时，所述MCU微处理器通过控制太阳能充电控制电路实现太阳能光伏板对锂电池的充电；当所述锂电池的电量达到饱和时，所述MCU微处理器通过控制太阳能充电控制电路进而断开太阳能光伏板给锂电池组充电，其大大保证了病虫害防治系统阴雨天也可正常工作，在提高锂电池的可持续工作时间的同时，也节约了太阳能光伏板的发电能源。

上述病虫害防治系统通过图像采集模组定时拍摄茶园已放置的粘虫板的高清图像，并将该高清图像发送至MCU微处理器，MCU微处理器通过通信模组将该高清图像在发送至云端服务器，云端服务器接收所述高清图像数据，并基于人工智能分析茶园虫害的种类及数量，并提供病虫害情况的预测预报，在此过程中，GPS定位模组用于定位病虫害发生的位置，太阳能光伏板用于发电，锂电池用于给MCU微处理器供电，同时通过MCU微处理器控制太阳能充电控制电路实现太阳能光伏板对锂电池的充放电。

作为本发明的优选实施例，如图2所示，本发明中云端服务器具体通过以下过程实现病虫害情况的预测预报：

S1、云端服务器接收通过无线视觉前端定时拍摄的茶园已放置的粘虫板的高清图像；

S2、在云端服务器基于引入注意力机制的特征提取网络和多尺度特征融合网络建立病害虫诊断模型；通过将多尺度特征融合网络与注意力机制结合，可促进神经网络更加关注目标，抑制其对其他无关物体的关注。

优选地，本步骤中特征提取网络包括若干卷积层、池化层以及引入的注意力模块，将高清图像输入至特征提取网络，通过若干卷积层的卷积和池化层的池化操作，最终输出不同分辨率的带有目标特征的特征图，随后将各特征图输入至多尺度特征融合网络中，整合各层特征图的特征信息；同时，引入注意力机制的特征提取网络通过使用注意力机制对前向传播所得到的特征图进行通道维的特征调整，通过反向传播学习一组关于特征图通道维度的权重参数，再将其与特征图进行对应维度的相乘，得到待处理高清图像更具有判别性的特征图。

S3、将步骤S1中高清图像输入病害虫诊断模型；

S4、病害虫诊断模型根据输入的高清图像分析茶园虫害的种类及数量，并提供病虫害情况的预测预报。

故此，本发明通过利用病害虫诊断模型对粘虫板数据图像进行检测，提高了工作效率，降低成本。

此外，在进一步地技术方案中，由于害虫目标较小，得到的特征相比通常的检测目标会更少，基于这个问题，上述多尺度特征融合网络采用跨阶段特征融合方法进行通道连接以进一步增强特征信息，即在特征融合层进一步增强网络对特征的融合能力，提高了病害虫诊断模型对小目标害虫检测的准确率。这是由于在多尺度特征融合网络中，较低层特征图拥有更多害虫的位置和轮廓特征，较高层特征图拥有更多语义信息，跨阶段特征融合方法将相邻和不相邻的特征图同时进行融合，以得到拥有更加丰富特征信息的特征图，为接下来的检测害虫提供保障。图3即为多尺度特征融合网络中的跨阶段特征融合方法的原理图。如图3所示，在多尺度特征融合网络中，较低层特征图C2、C3拥有更多害虫的位置和轮廓特征，较高层特征图C4、C5拥有更多语义信息，跨阶段特征融合方法描述的即为图3中的虚线部分，以特征图P3举例说明：在原有的特征融合基础上，特征图P3由相邻的特征图P4和不相邻的特征图P5进行下采样所得特征图和特征提取网络的输出特征图C3进行加法融合而得到。同理，将跨阶段特征融合策略应用在自底向上的特征图N4和N5中，以增强不同分辨率特征图对于小目标害虫的特征表达能力。

为了验证注意力机制和跨阶段特征融合方法在病害虫诊断模型中的有效性，通过在众多网络模型(ResNet-50、ResNet-50-D、ResNet-101、CSPDarknet53、Darknet53)上进行对比实验，实验结果如图4所示，图4中1表示未引入注意力机制的模型，2至引入表示注意力机制的模型，3表示同时引入注意力机制和跨阶段特征融合方法的模型。从图4可知，同时引入注意力机制和跨阶段特征融合方法的模型，以极少的参数增长和运行速度损失，得到了较大的准确率和召回率的提升，在害虫检测模型的实时检测和计数方面起到了重要作用。图5为本发明病害虫诊断模型的预测结果图。

需要说明的是，本发明中通信模组至少包括5G网络、4G网络、3G网络、2G网络中的一种。

综上所述，本发明具有如下优点：

(1)通过设置太阳能光伏板和锂电池，通过MCU微处理器控制太阳能充电控制电路实现太阳能光伏板对锂电池的充放电，大大保证了病虫害防治系统阴雨天也可正常工作，在提高锂电池的可持续工作时间的同时，也节约了太阳能光伏板的发电能源；

(2)在云端服务器基于引入注意力机制的特征提取网络和多尺度特征融合网络建立病害虫诊断模型，多尺度特征融合网络采用跨阶段特征融合方法进行通道连接以进一步增强特征信息，病害虫诊断模型根据输入的高清图像分析茶园虫害的种类及数量，并提供病虫害情况的预测预报，进一步提高了病害虫诊断模型对小目标害虫检测的准确率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。