申请/专利权人：赣南师范大学

申请日：2021-11-26

公开（公告）日：2024-03-26

公开（公告）号：CN114049346B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/82;G06V10/762;G06V10/774;G06V10/25;G06N3/0464;G06N3/0495;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本发明公开了一种基于剪裁YOLOv3‑SPP3的柑橘木虱检测与识别方法，包括如下步骤：采集农作物中柑橘木虱的图片数据；使用LabelImg软件制作柑橘木虱训练数据集；使用k‑means算法对柑橘木虱训练数据集的标注框进行聚类；在YOLOv3的骨干网络中加入三个空间金字塔池化模块，构成YOLOv3‑SPP3网络模型；用聚类得到的先验框替换YOLOv3‑SPP3网络模型原始的先验框；采用柑橘木虱训练数据集对YOLOv3‑SPP3网络模型进行稀疏训练、通道裁剪和层裁剪，然后对得到的YOLOv3‑SPP3网络模型进行微调；把待检测的柑橘木虱图像输入经过处理的YOLOv3‑SPP3网络模型中，得到柑橘木虱检测结果。利用本发明可以提高检测准确率、减少模型参数、减小计算量、提高检测速度，有利于模型嵌入在可移动设备上。

主权项：1.一种基于剪裁YOLOv3-SPP3的柑橘木虱检测与识别方法，其特征在于，包括如下步骤：S1、采集农作物中柑橘木虱的图片数据；S2、利用步骤S1获得的柑橘木虱的图片数据，使用LabelImg软件制作柑橘木虱训练数据集；S3、使用k-means算法对步骤S2得到的柑橘木虱训练数据集的标注框进行聚类；S4、在YOLOv3的骨干网络中加入三个空间金字塔池化模块，构成YOLOv3-SPP3网络模型；用步骤S3得到聚类得到的先验框替换YOLOv3-SPP3网络模型原始的先验框；S5、采用步骤S2得到的柑橘木虱训练数据集对YOLOv3-SPP3网络模型进行稀疏训练、通道裁剪和层裁剪，然后对得到的YOLOv3-SPP3网络模型进行微调；模型稀疏训练、剪裁和微调的过程为：S5.1、对YOLOv3-SPP3网络模型进行稀疏训练：YOLOv3-SPP3网络模型中每个卷积层都有包含批量归一化层，因此采用批量归一化层中的缩放因子γ作为通道重要性指标，通过对缩放因子γ强加L1正则化来进行通道稀疏训练；S5.2、对YOLOv3-SPP3网络模型进行通道裁剪和层裁剪：YOLOv3-SPP3网络模型进行稀疏训练后，获得批量归一化层中缩放因子γ接近零值的模型；设计合适的全局阈值来确定特征通道是否被修剪，全局阈值被设置为所有γ的第n个百分位数以控制裁剪比例；3对剪裁后的YOLOv3-SPP3网络模型进行微调，使YOLOv3-SPP3网络模型尽可能地恢复原来的性能；S6、把待检测的柑橘木虱图像输入经过步骤S5处理的YOLOv3-SPP3网络模型中，得到柑橘木虱检测结果。

全文数据：

权利要求：

百度查询： 赣南师范大学 一种基于剪裁YOLOv3-SPP3的柑橘木虱检测与识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD