申请/专利权人：华南农业大学

申请日：2021-10-20

公开（公告）日：2024-04-23

公开（公告）号：CN114005029B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06N3/0464;G06N3/045;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.02.22#实质审查的生效;2022.02.01#公开

摘要：本发明公开了一种基于改进yolov5网络的广佛手病虫害识别方法及系统，方法包括：获取广佛手病虫害图像，并进行标注，构建初始数据集；引入yolov5网络模型，并对yolov5网络模型的骨干网络和Neck模块进行改进；利用初始数据集对改进后的yolov5网络模型进行训练、验证和测试，得到最终的病虫害识别模型；对待检测图像进行预处理；判断待检测图像为晴天拍摄或雨天拍摄，若为雨天拍摄，则利用AttentiveGAN算法对待检测图像进行处理；若为晴天拍摄，则不进行处理；基于病虫害识别模型对预处理后的待检测图像进行病虫害识别。本发明将改进的yolov5网络与AttentiveGAN算法相结合，不仅能实现在雨天天气条件下对广佛手病虫害的识别，还能降低网络参数量和网络模型的大小，提高识别准确率。

主权项：1.一种基于改进yolov5网络的广佛手病虫害识别方法，其特征在于，包括以下步骤：获取广佛手病虫害图像，并进行标注，构建初始数据集；引入yolov5网络模型，并对yolov5网络模型的骨干网络和Neck模块进行改进；利用所述初始数据集对改进后的yolov5网络模型进行训练、验证和测试，得到最终的病虫害识别模型；对待检测图像进行预处理；判断待检测图像为晴天拍摄或雨天拍摄，若为雨天拍摄，则利用AttentiveGAN算法对待检测图像进行处理；若为晴天拍摄，则不进行处理；基于所述病虫害识别模型对预处理后的待检测图像进行病虫害识别；对yolov5网络模型的骨干网络进行改进的过程包括：在原yolov5网络模型的骨干网络的基础上，添加4个Involution自卷积模块，并将骨干网络中的3个C3模块分别替换为两个ESPMIXConv2d模块和一个ESPConv2d模块；改进后的骨干网络包括：Focus模块、Conv模块、Involution自卷积模块、C3模块、ESPMIXConv2d模块、SPP模块和ESPConv2d模块；其中，所述ESPMIXConv2d模块依次对输入的特征图进行分割处理，分组卷积和空洞卷积处理；所述ESPConv2d模块对输入的特征图进行普通卷积和空洞卷积处理；所述ESPMIXConv2d模块对输入的特征图进行处理的过程为：将输入的特征图的输入通道进行分割操作，当输入特征图输入通道数为c时，将输入特征图分割成特征图1和特征图2；其中，所述特征图1和所述特征图2的通道数为c2；对所述特征图1进行卷积核为1*1，步长为1，分组数groups=c2的分组卷积，并将分组卷积后的所述特征图1分别输入扩张率为1和扩张率为2的空洞卷积；对所述特征图2进行卷积核为3*3，步长为1，分组数groups=c2的分组卷积，并将分组卷积后的特征图2分别输入扩张率为1和扩张率为2的空洞卷积；将使用扩张率为1的空洞卷积的特征图1和特征图2进行Concat连接；将使用扩张率为2的空洞卷积的特征图1和特征图2进行Concat连接；将两个Concat的连接的输出进行Add相加操作，得到输出特征图；对yolov5网络模型的Neck模块进行改进的过程为：引入CBAM注意力模块，并将所述CBAM注意力模块与将原yolov5网络模型中Neck模块的Upsample上采样模块封装在一起，组成upCBAM模块；其中，所述CBAM注意力模块包括通道注意力模块和空间注意力模块；将原yolov5网络模型的Upsample上采样模块替换为所述upCBAM模块；所述upCBAM模块对输入的特征图进行处理的过程为：将输入的特征图与经所述通道注意力模块的输出的特征图进行乘法操作，输出特征M；将输出的特征M与经所述空间注意力模块输出的特征M进行乘法操作，得到特征M';利用所述Upsample上采样模块对特征M'进行上采样操作，得到最终输出的特征图。

全文数据：

权利要求：

百度查询： 华南农业大学 基于改进yolov5网络的广佛手病虫害识别方法及系统

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