一种基于改进YOLOX-S算法的苹果叶片病害检测方法技术

本发明专利技术涉及计算机视觉目标检测技术领域，尤其涉及一种基于改进YOLOX

【技术实现步骤摘要】
一种基于改进YOLOX
‑
S算法的苹果叶片病害检测方法


[0001]本专利技术涉及计算机视觉目标检测
，尤其涉及一种基于改进YOLOX
‑
S算法的苹果叶片病害检测方法。

技术介绍

[0002]对于苹果叶片病害检测问题，国内外已有较多的研究。随着目标检测技术的迅速发展，在目标检测领域算法主要有两种类型，一是一阶段的YOLO系列算法和SSD算法，还有就是二阶段的R
‑
CNN算法等。这些算法的出现，有效的提升了植物病害检测的精度和准确率和速度。但是目前相关苹果叶片部位的病害检测算法普遍存在精度不高，性能不佳的问题，所以在这种情况下，研制出一种高性能、高精度的目标检测算法对提高苹果的产量和质量甚至于促进农业现代化，智慧化发展具有十分重要的意义。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提出一种基于改进YOLOX
‑
S算法的苹果叶片病害检测方法，以解决现有苹果叶片病害检测算法精度不高、性能不佳的问题。
[0004]基于上述目的，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOX
‑
S算法的苹果叶片病害检测方法，其特征在于，所述方法包括以下步骤：步骤一、获取苹果叶片病害公共数据集，对公共数据集进行预处理；步骤二、对于单阶段目标检测模型YOLOX
‑
S的主干网络CSPDarknet和颈部特征融合网络PAFPN，使用嵌入了ODConv的ODCSP结构替换YOLOX
‑
S模型主干网络和特征融合网络的所有CSP，得到局部改进的单阶段目标检测模型；步骤三、对于局部改进的单阶段目标检测模型，在特征金字塔结构PAFPN基础上引入ASFF将不同特征尺度的特征进行融合，得到改进的单阶段目标检测模型；步骤四、根据实际数据集优化改进的单阶段目标检测模型的损失函数，得到优化的单阶段目标检测模型；步骤五、对优化的单阶段目标检测模型进行训练；步骤六、使用训练好的模型对具有病害的苹果叶片进行检测，得出病害种类以及位置信息。2.根据权利要求1所述的基于改进YOLOX
‑
S算法的苹果叶片病害检测方法，其特征在于，步骤一中，公共数据集包括从kaggle竞赛中下载了FGVC8苹果叶片病害公共数据集和从百度飞浆下载的苹果叶部病理数据集。3.根据权利要求1所述的基于改进YOLOX
‑
S算法的苹果叶片病害检测方法，其特征在于，步骤一中，预处理包括对公共数据集进行标注，采用调整对比度，上下反转，左右翻转，色度调节的方式进行数据增强，并将数据集以8:2的比例划分出训练集和测试集。4.根据权利要求1所述的基于改进YOLOX
‑
S算法的苹果叶片病害检测方法，其特征在于，步骤二中，使用嵌入了ODConv的ODCSP结构替换YOLOX
‑
S模型主干网络和特征融合网络的所有CSP结构具体包括：使用将模型中原CSP1_X以及CSP2_X结构的三个BaseConv更换为ODConv的ODCSP1_X和ODCSP2_X结构来更换YOLOX
‑
S模型主干网络和特征融合网...

【专利技术属性】
技术研发人员：盛帅，段先华，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：