一种基于轻量级网络的番茄病虫害检测方法技术

本发明专利技术公开了一种基于轻量级网络的番茄病虫害检测方法，包括以下步骤：步骤1：获取番茄叶片图像；步骤2：对获取的番茄叶片图像进行标注处理，建立番茄病虫害数据集；步骤3：构建轻量级检测网络

【技术实现步骤摘要】
一种基于轻量级网络的番茄病虫害检测方法


[0001]本专利技术属于病虫害目标检测
，具体涉及一种基于轻量级网络的番茄病虫害检测方法
。

技术介绍

[0002]目前我国大部分地区还延用传统检测方法，传统的检测方法识别精度低
、
可靠性差
、
检测速度慢
、
耗费人力，并且在防治面积以及方法推广上存在一定的局限性，难以大面积推广，不能达到农业现代化
、
信息化的生产要求
。
[0003]专利号为
CN202121790469.1
设计了一种番茄叶片病害识别装置，该专利设计的手持式检测装置仅仅是不需要依靠人工肉眼识别，但还需要依靠人工进行手持检测，对于大面积种植的番茄大棚检测效率要低很多，并且还是需要雇佣人工来进行检测操作
。
[0004]专利号为
CN202111622531.0
设计了一种基于深度学习的番茄叶片病害识别研究方法，该方法基于
MobilenetV3
网络模型，此模型仅仅是追求检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于轻量级网络的番茄病虫害检测方法，其特征在于，包括以下步骤：步骤1：获取番茄叶片图像；步骤2：对获取的番茄叶片图像进行标注处理，建立番茄病虫害数据集；步骤3：构建轻量级检测网络
——M
‑
CenterNet
‑
YOLOv5
；步骤4：对轻量级深度学习网络进行训练，使网络达到
90
％以上的检测精度；步骤5：使用构建的
M
‑
CenterNet
‑
YOLOv5
轻量级检测网络对番茄叶片图像进行检测，分析检测结果；步骤6：将轻量级深度学习网络部署在番茄大棚内，通过高清摄像头获取番茄生长阶段图像，将图像输入到轻量级深度学习网络中
。2.
根据权利要求1所述的一种基于轻量级网络的番茄病虫害检测方法，其特征在于，所述步骤1具体包括：步骤
1.1
：获取现有番茄数据集中的番茄病虫害图像；步骤
1.2
：通过
Python
爬虫算法获取网络上的番茄病虫害图像；步骤
1.3
：将相同的番茄病虫害图像进行合并，删除模糊不清的图像，共得到8类不同的番茄叶片图像，分别为：早疫病
、
晚疫病
、
细菌性斑点
、
黄化曲叶病
、
叶霉病
、
白粉病
、
红蜘蛛损伤和健康的番茄叶片图像
。3.
根据权利要求1所述的一种基于轻量级网络的番茄病虫害检测方法，其特征在于，所述步骤2具体包括：步骤
2.1
：将番茄叶片图像裁剪成
320
×
320
的大小；步骤
2.2
：使用
Labelimg
工具对裁剪后的图像进行手动标注，生成用于网络训练的
xml
文件，建立番茄病虫害数据集；步骤
2.3
：按照
8:2
的比例把数据集分为训练集和验证集
。4.
根据权利要求2所述的一种基于轻量级网络的番茄病虫害检测方法，其特征在于，所述步骤
2.2
中手动标注具体包括以下操作：步骤
2.2.1
：打开
Labelimg
工具后上传待标注的图片；步骤
2.2.2
：使用鼠标选取需要标注的区域；步骤
2.2.3
；选择标注区域的病虫害类型；步骤
2.2.4
：点击确定，在文件夹中自动生成
xml
文件
。5.
根据权利要求1所述的一种基于轻量级网络的番茄病虫害检测方法，其特征在于，所述步骤3具体包括：步骤
3.1
：在
YOLOv5
网络的
Neck
部分加入自适应空间特征融合结构，用来原本网络中的
FPN
和
PAN
结构，又在
FPN
中加入了一个小目标检测层，用来丰富特征融合过程中的细节信息；步骤
3.2
：使用轻量的
M
‑
CenterNet
结构，
M
‑
CenterNet
为关键点预测的目标检测网络
(CenterNet)
和

【专利技术属性】
技术研发人员：张开生，刘学斌，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：