申请/专利权人：暨芯集成电路产业研究院

申请日：2024-01-24

公开（公告）日：2024-04-26

公开（公告）号：CN117935018A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/20;G06V10/774;G06V10/80;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及基于改进YOLOv7的植株害虫和虫卵检测方法，包括以下步骤：步骤1、搭建植株害虫和虫卵数据集；步骤2、构建包括主干网络和头部特征融合预测网络的目标检测模型；所述主干网络包括若干G‑ELAN模块；步骤3、对训练集的图像进行数据预处理，以增加数据的随机性和多样性，扩充数据集；步骤4、对目标检测模型进行训练；步骤5、输入待检测图片至训练后的目标检测模型，输出检测结果。本发明采用基于灵魂卷积的高效聚合网络作为用于提取特征的主干网络，可以在减小计算量的同时保证准确率，增强了模型的学习能力，从而实现模型识别精度高、识别速度快，解决了农作物害虫及虫卵目标过小、识别精度低的问题。

主权项：1.基于改进YOLOv7的植株害虫和虫卵检测方法，其特征在于，包括以下步骤：步骤1、搭建植株害虫和虫卵数据集通过网络收集和实景拍摄，获取害虫和虫卵的图像数据，使用标签工具打上标签，构成害虫和虫卵数据集；所述数据集包括训练集和验证集；步骤2、建立改进YOLOv7的目标检测模型在YOLOv7网络结构中增加微小型目标检测层构建目标检测模型；微小型目标检测层包括主干网络和头部特征融合预测网络；所述主干网络包括若干G-ELAN模块；步骤3、对训练集的图像进行数据预处理数据预处理包括数据增强和数据基础变换，以增加数据的随机性和多样性，生成多样性的样本，扩充数据集；步骤4、对目标检测模型进行训练利用经步骤3预处理过的训练集，对步骤2的目标检测模型进行训练；步骤5、输入待检测图片至训练后的目标检测模型，输出检测结果。

全文数据：

权利要求：

百度查询： 暨芯集成电路产业研究院 基于改进YOLOv7的植株害虫和虫卵检测方法

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