一种柚子病虫害的快速识别方法

申请号 CN202110838759.7

专利名称 一种柚子病虫害的快速识别方法

专利类型 发明 

年份 2021 

公开号 CN113538390A

公开日 2021.10.22

主分类号 G06T7/00

分类号 G06K9/46  G06K9/62  G06N3/04  G06N3/08  G06T7/00 

申请日 2021.07.23

申请人 仲恺农业工程学院 

国家省市 广东 

联系地址 510000 广东省广州市海珠区纺织路东沙街24号

发明人 师泽晨  石玉强  杨灵  白卫东  邹娟  陈宁夏  何杰锋 

代理人 钟慧增

代理机构 广州科捷知识产权代理事务所(普通合伙) 44560

优先权 CN202110838759(A) 20210723

内容摘要 一种柚子病虫害的快速识别方法，包括如下步骤：收集各种柚子病虫害的图片，采用LabelImg对各图片中病虫害根据其类别进行标注，得到训练数据集和验证数据集；将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别。本发明通过采集可涵盖几乎所有类别的柚子病虫害图片作为训练预测模型的数据集，提高目标检测的实用性，采用YOLOv5网络模型达到快速识别和预测的目的，为预防病虫害提供技术支撑。

主权利要求 1.一种柚子病虫害的快速识别方法，其特征在于，包括如下步骤：S1、收集柚子病虫害的图片，采用LabelImg对各图片中的病虫害根据其类别进行标注，构成数据集，将数据集按照一定的比例随机分为训练集和验证集；S2、将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；S3、将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别；所述YOLOv5网络模型包括依次连接的输入端、Backbone骨干网络、Neck网络和Head输出端，所述S2步骤中将训练集和验证集中的图片输入YOLOv5网络模型进行模型训练的方法为：S2-1、图片预处理：图片进入输入端，输入端对图片进行预处理，预处理包括Mosaic数据增强、自适应锚框计算和自适应图片缩放；S2-2、特征提取：预处理后的图片进入Backbone骨干网络，进行特征提取后得到三个不同大小的特征图；S2-3、特征融合：将S2-2步骤得到的三个不同大小的特征图输入Neck网络进行特征融合，得到三个尺度的特征图；S2-4、预测输出：将S2-3步骤得到的三个尺度的特征图输入Head输出端，得到三个特征张量，由此得到预测框的位置、类别和置信度；在训练阶段，将预测框与真实框进行匹配得出正负样本，然后通过计算损失函数来调节权重参数，验证阶段采用加权非极大值抑制的方式筛选预测框，通过计算准确率、平均精度来不断优化模型参数。

PDF文件 浏览全文