本发明涉及人工智能，尤其涉及一种基于自适应掩码注意力网络的农业作物分类方法及系统。
背景技术：
1、农业作物识别主要涉及对农田中的作物进行识别和分类，有助于农田管理者更好地了解农田条件，进一步提高作物管理效率和农业生产质量。
2、传统上，农业作物识别主要依赖农业工人通过人工观察和经验决策，费事费力，效率很低。基于机器学习自动进行农业作物图像分类，可以极大的提升识别效率。但是一方面，在复杂的农田环境农业作物容易被复杂环境所掩盖，导致机器学习模型无法准确提取农业作物的有效特征，另一方面，复杂的农田环境中往往存在多种外形非常相似的不同种类的农业作物，导致机器学习模型无法准确提取农业作物的细微区别特征。因此，现阶段基于机器学习的农业作物图像分类方法在复杂农田环境对农业作物的识别准确率较低。
技术实现思路
1、有鉴于此，本发明实施例的目的是提供一种基于自适应掩码注意力网络的农业作物分类方法及系统，以提高现有基于神经网络的农业作物分类方法在复杂农田环境的识别准确率。
2、第一方面，本发明实施例提供了一种基于自适应掩码注意力网络的农业作物分类方法，包括：
3、获取目标区域的图像数据；
4、将所述图像数据输入农业作物识别模型，输出对所述农业作物的识别结果，其中，所述农业作物识别模型包括自适应掩蔽模块和公平注意模块，所述自适应掩蔽模块用于自适应的过滤所述图像数据的冗余信息并增强有效特征，获取第一特征，所述公平注意模块用于在所述第一特征中基于不同尺度的注意力权重均衡的生成第二特征，所述农业作物识别模型基于所述第二特征对所述目标区域的农业作物进行识别。
5、可选地，所述自适应的过滤所述图像数据的冗余信息包括：
6、获取所述图像数据的特征掩码；
7、基于所述特征掩码过滤所述图像数据的冗余信息并增强有效特征，生成所述第一特征。
8、可选地，所述获取所述图像数据的特征掩码的计算公式包括：
9、；
10、其中，x是所述图像数据，y表示x经过卷积操作conv和softmax函数之后的特征值，mask（x）表示x的特征掩码，conv(•)表示卷积操作，softmax(•)表示softmax函数，sign(•)表示符号函数，λ为网络中的可学习参数。
11、可选地，所述基于所述特征掩码过滤所述图像数据的冗余信息并增强有效特征，生成所述第一特征包括：
12、基于所述特征掩码对所述图像数据的特征图执行点积操作，生成有效特征图；
13、用残差网络提取所述有效特征图的有效特征，并与所述特征图相加，得到所述第一特征。
14、可选地，所述在所述第一特征中基于不同尺度的注意力权重均衡的生成第二特征包括：
15、生成所述第一特征的注意力权重图：
16、在所述注意力权重图中抑制最大权重并使不同尺度的注意力权重均衡，生成均衡权重图；
17、基于所述均衡权重图生成所述第二特征。
18、可选地，所述生成所述第一特征的注意力权重图包括：
19、用线性层处理所述第一特征，生成由3个维度的特征向量组成的三维特征空间；
20、在所述三维特征空间中，用softmax函数处理第一维度特征向量与第二维度特征向量转置的乘积，得到所述注意力权重。
21、可选地，所述在所述注意力权重图中抑制最大权重并使不同尺度的注意力权重均衡，生成均衡权重图的计算公式包括：
22、；
23、其中，f为所述注意力权重图，mn(f)表示对f用最大归一化函数处理，得到均衡权重图，
24、max(•)用于获取f中的最大特征值，softmax(•)表示softmax函数。
25、可选地，所述基于所述均衡权重图生成所述第二特征包括：
26、将所述三维特征空间的第三维度特征向量与所述均衡权重图相乘；
27、将乘积输入线性层，并与所述第一特征相加，得到所述第二特征。
28、第二方面，本发明实施例提供了一种基于自适应掩码注意力网络的农业作物分类装置，包括：
29、获取模块，用于获取目标区域的图像数据；
30、识别模块，用于将所述图像数据输入农业作物识别模型，输出对所述农业作物的识别结果，其中，所述农业作物识别模型包括自适应掩蔽模块和公平注意模块，所述自适应掩蔽模块用于自适应的过滤所述图像数据的冗余信息并增强有效特征，获取第一特征，所述公平注意模块用于在所述第一特征中基于不同尺度的注意力权重均衡的生成第二特征，所述农业作物识别模型基于所述第二特征对所述目标区域的农业作物进行识别。
31、第三方面，本发明的一个实施例提供了一种基于自适应掩码注意力网络的农业作物分类系统，包括存储器和处理器，
32、所述存储器，用于存储计算机程序；
33、所述处理器，用于当执行所述计算机程序时，实现本发明第一方面所述方法。
34、本发明实施例包括以下有益效果：本实施例通过自适应掩蔽模块过滤农田图像中环境的冗余信息并增强作物的有效特征，从而可以更有效的区分农作物与环境；同时通过公平注意模块平衡不同尺度的注意力权重，从而可以更有效的提取细粒度特征来识别不同类别之间相似的作物，两者联合大大提升了在复杂农田环境的识别准确率。
1.一种基于自适应掩码注意力网络的农业作物分类方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，所述自适应的过滤所述图像数据的冗余信息包括：
3.根据权利要求2所述方法，其特征在于，所述获取所述图像数据的特征掩码的计算公式包括：
4.根据权利要求3所述方法，其特征在于，所述基于所述特征掩码过滤所述图像数据的冗余信息并增强有效特征，生成所述第一特征包括：
5.根据权利要求1所述方法，其特征在于，所述在所述第一特征中基于不同尺度的注意力权重均衡的生成第二特征包括：
6.根据权利要求5所述方法，其特征在于，所述生成所述第一特征的注意力权重图包括：
7.根据权利要求6所述方法，其特征在于，所述在所述注意力权重图中抑制最大权重并使不同尺度的注意力权重均衡，生成均衡权重图的计算公式包括：
8.根据权利要求7所述方法，其特征在于，所述基于所述均衡权重图生成所述第二特征包括：
9.一种基于自适应掩码注意力网络的农业作物分类装置，其特征在于，包括：
10.一种基于自适应掩码注意力网络的农业作物分类系统，其特征在于，包括存储器和处理器，
