申请/专利权人：四川农业大学

申请日：2024-01-22

公开（公告）日：2024-04-16

公开（公告）号：CN117893910A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于KDFS‑YOLOv7的凤蝶虫害检测方法及系统，属于农业病虫害监测技术领域。本发明采用EfficientNetv2‑e作为主干网络，同时通过幽灵卷积GhostConvolution替代传统CBS模块中的普通卷积，并执行模型剪枝，极大地缩减了模型参数，实现了模型轻量化，进而提高了模型推理速度。在颈部网络中融合了递归特征金字塔RFP和可切换卷积SAC，增强了特征融合能力，从而提升小目标检测的精度。此外，采用GridMask数据增强技术和知识蒸馏策略，结合WIoU损失函数和Meta‑ACON激活函数，在模型大小、推理速度和检测精度方面取得了良好的平衡。

主权项：1.一种基于KDFS-YOLOv7的凤蝶虫害检测方法，其特征在于，包括以下步骤：采集图像，对所述图像进行处理，制作数据集；构建并优化KDFS-YOLOv7网络，得到最终凤蝶虫害检测模型；所述KDFS-YOLOv7网络包括FS-YOLOv7网络，所述FS-YOLOv7网络以YOLOv7网络为基础，将EfficientNetv2-e网络作为主干网络，颈部网络引入幽灵卷积，同时采用Meta-ACON激活函数，将所述YOLOv7网络中的CBS模块改进为GBM模块；将所述数据集输入所述最终凤蝶虫害检测模型，获取凤蝶虫害识别结果。

全文数据：

权利要求：

百度查询： 四川农业大学 一种基于KDFS-YOLOv7的凤蝶虫害检测方法及系统

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