申请/专利权人:河南师范大学
申请日:2024-01-10
公开(公告)日:2024-04-09
公开(公告)号:CN117853807A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06N3/0464;G06V10/774;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于改进YOLOv5模型的小麦病虫害检测方法,包括以下步骤:S1、获取小麦病害数据集,并对数据集进行清洗和筛选;S2、利用生成对抗网络对数据集进行扩充,形成新的数据集;S3、对新的数据集的不同种类病虫害进行标注,并划分训练集和测试集,分别用于模型的训练和验证;S4、将训练集输入至改进YOLOv5模型中进行训练迭代,得到最佳模型文件;S5、用验证集对模型进行验证,输出检测结果;本发明与原始YOLOv5模型相比,改进后的模型在保持相近的参数量、检测速率和模型大小的同时,显著提高了平均精度均值,有效提升了对不同类别病虫害的识别率和准确率,改进YOLOv5模型的泛化能力得到了加强,在面对新的、未见过的数据时,能够保持较高的检测性能。
主权项:1.一种基于改进YOLOv5模型的小麦病虫害检测方法,其特征在于,包括以下步骤:S1、获取小麦病害数据集,并对数据集进行清洗和筛选;S2、利用生成对抗网络对数据集进行扩充,形成新的数据集;S3、对新的数据集的不同种类病虫害进行标注,并划分训练集和测试集,分别用于模型的训练和验证;S4、将训练集输入至改进YOLOv5模型中进行训练迭代,得到最佳模型文件;S5、用验证集对模型进行验证,输出检测结果。
全文数据:
权利要求:
百度查询: 河南师范大学 一种基于改进YOLOv5模型的小麦病虫害检测方法
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。