基于深度学习的农作物害虫检测方法、装置、设备及介质制造方法及图纸

技术编号:39930516 阅读:14 留言:0更新日期:2024-01-08 21:47
本申请涉及基于深度学习的农作物害虫检测方法、装置、设备及介质,方法包括:采集在不同光照下各种类别的农作物害虫图像,对训练集中的各个农作物害虫图像中的农作物害虫位置添加锚点,基于聚类算法对锚点进行聚类以拟合所述训练集的尺度,确定农作物害虫检测模型的不同尺度的训练集;将农作物害虫检测模型的骨干网络更新为ShuffleNet v2模块,将深度可分离卷积神经网络更新至颈部网络的Conv模块中,并将Cross卷积神经网络更新至C3模块中的Botttlenet中,以及将ECA注意机制添加至骨干网络中,以完成农作物害虫检测模型的更新;将待检测农作物害虫图像输入至训练好的农作物害虫检测模型,确定待检测农作物害虫图像中农作物害虫的类别及位置。本申请能够大大提高检测效率。

【技术实现步骤摘要】

本申请涉及农作物害虫检测领域,尤其涉及一种基于深度学习的农作物害虫检测方法、相应的装置、电子设备及计算机可读存储介质。


技术介绍

1、农业生产受到了农作物害虫侵蚀的极大制约,给全球农业经济带来了极大损失。因此,对于害虫的智能检测与信息化防治变得格外重要。而由于害虫数量繁多、外观相似难以辨别,害虫识别主要依靠于农业专家的丰富经验和专业知识,耗时耗力,难以满足全国范围内的大面积害虫检测、识别、预警和绿色生产的需要。随着智慧农业和精细农业的发展,做好农作物害虫的信息化防治必不可少。

2、目前,随着人类对食品和资源需求的不断增长,农业生产变得越来越重要。然而,农作物的病虫害问题仍然是阻碍农业发展的主要瓶颈之一。传统的病虫害监控方式需要大量的时间和人力,且往往只能在病虫害已经对农作物造成了严重损失后才能及时发现。以及传统的目标检测算法的模型较大,运算量多,耗电量高,不利于在太阳能供电的情况下运行,将实时图象从监测设备传输到服务器,导致无线网络的传输成本较高。

3、适应现有技术中的病虫害监控方式需要大量的时间和人力,且往往只能在病虫害已经对农作本文档来自技高网...

【技术保护点】

1.一种基于深度学习的农作物害虫检测方法,其特征在于,包括:

2.根据权利要求1所述的基于深度学习的农作物害虫检测方法,其特征在于,确定所述农作物害虫图像中的害虫类别并对其进行标注以得到预设的农作物害虫检测模型的训练集的步骤之后,包括:

3.根据权利要求1所述的基于深度学习的农作物害虫检测方法,其特征在于,将所述不同尺度的训练集输入至更新后的农作物害虫检测模型,对所述农作物害虫检测模型进行迭代训练,直至所述农作物害虫检测模型达到收敛状态的步骤,包括:

4.根据权利要求2所述的基于深度学习的农作物害虫检测方法,其特征在于,将所述不同尺度的训练集输入至更新...

【技术特征摘要】

1.一种基于深度学习的农作物害虫检测方法,其特征在于,包括:

2.根据权利要求1所述的基于深度学习的农作物害虫检测方法,其特征在于,确定所述农作物害虫图像中的害虫类别并对其进行标注以得到预设的农作物害虫检测模型的训练集的步骤之后,包括:

3.根据权利要求1所述的基于深度学习的农作物害虫检测方法,其特征在于,将所述不同尺度的训练集输入至更新后的农作物害虫检测模型,对所述农作物害虫检测模型进行迭代训练,直至所述农作物害虫检测模型达到收敛状态的步骤,包括:

4.根据权利要求2所述的基于深度学习的农作物害虫检测方法,其特征在于,将所述不同尺度的训练集输入至更新后的农作物害虫检测模型,对所述农作物害虫检测模型进行迭代训练,直至所述农作物害虫检测模型达到收敛状态的步骤,包括:

5.根据权利要求4所述的基于深度学习的农作物害虫检测方法,其特征在于,将待检测农作物害虫图像输入至训练好的农作物害虫检测模型,确定所述待检测农作物害虫图像中农作物害虫的类别及位置的步骤,包...

【专利技术属性】
技术研发人员:彭红星韦朗军
申请(专利权)人:华南农业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1