一种基于深度学习的作物病虫害实时检测方法、装置及计算机存储介质
摘要文本
本发明公开了一种基于深度学习的作物病虫害实时检测方法，包括步骤：采集得到不同农作物的不同病虫害类型与正常图像，对收集到的病虫害图像进行预处理，构建农作物病虫害数据库；构建目标检测网络模型并训练，由训练后的网络模型进行是否感染病虫害检测；目标检测网络模型基于YOLOv5s改进，由CBSM模块、ShuffleNetv2中的Shuffle_block模块以及SPPF模块替换特征提取主干网络，由Shuffle_block模块引出两条从骨干网络到Neck网络中的两个Concat模块的跳跃连接，并在Neck网络与head模块之间添加注意力机制GAM模块。本发明还公开了基于深度学习的作物病虫害实时检测装置及存储以实现该方法的计算机程序的计算机存储介质。本发明可提高检测速度，减少漏检，增强了模型的鲁棒性，能够适应更复杂的环境。
申请人信息
- 申请人:常熟理工学院
- 申请人地址:215500 江苏省苏州市常熟市南三环路99号
- 发明人: 常熟理工学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的作物病虫害实时检测方法、装置及计算机存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311333787.9 |
| 申请日 | 2023/10/16 |
| 公告号 | CN117351353A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 常熟理工学院 |
| 发明人 | 施坤昊; 孙国栋; 柯承康; 仇志文 |
| 地址 | 江苏省苏州市常熟市南三环路99号 |
专利主权项内容
1.一种基于深度学习的作物病虫害实时检测方法，其特征在于，包括以下步骤：步骤1、采集得到不同农作物的不同病虫害类型与正常图像，对收集到的病虫害图像进行预处理，构建农作物病虫害数据库；步骤2、构建目标检测网络模型；步骤3、利用所述步骤1得到的农作物病虫害数据库对所述目标检测网络模型进行训练，得到训练后的网络模型；步骤4、采集待检测农作物图像，由所述训练后的网络模型进行是否感染病虫害检测；其中所述目标检测网络模型基于YOLOv5s改进，所述改进包括由CBSM模块、ShuffleNetv2中的Shuffle_block模块以及YOLOv5s的SPPF模块替换YOLOv5s的特征提取主干网络，由所述Shuffle_block模块引出两条从骨干网络到YOLOv5s的Neck网络的PAN中两个Concat模块的跳跃连接，并在YOLOv5s的Neck网络与head模块之间添加注意力机制GAM模块。