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。

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