基于改进Yolov5的稻飞虱目标检测方法、系统、设备及介质技术方案

技术编号：40041206 阅读：31 留言：0更新日期：2024-01-16 19:45

本发明专利技术涉及计算机视觉技术领域，具体为基于改进Yolov5的稻飞虱目标检测方法、系统、设备及介质。包括获取多张稻飞虱样本图像；对所获得的稻飞虱样本图像进行数据处理；在Yolov5网络模型的主干网络中引入CA协调注意力机制；使用可分离视觉转换器对Yolov5网络模型的主干网络进行改进；在Yolov5网络模型的特征融合网络中引入GAM全局注意力机制；利用训练数据集对所改进的Yolov5模型进行训练；将测试数据集输入改进的Yolov5模型框架中，获得检测结果。有效解决稻飞虱目标检测识别较小目标以及识别密集多目标精确度低的问题，提高对较小目标识别精确度以及提高密集多目标识别精确度，植保人员能够采集图像并上传，从而获得稻飞虱各虫态的精准识别与计数。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体为基于改进yolov5的稻飞虱目标检测方法、系统、设备及介质。

技术介绍

1、稻飞虱是我国水稻主要害虫之一，以成虫、若虫刺吸水稻植株汁液为害，最终造成水稻减产甚至绝收。准确的田间调查是预测稻飞虱发生动态和精准防控的前提。目前植保人员采用盘拍法调查虫情，即将瓷盘放到水稻基部，快速拍打3次水稻中下部，然后计数瓷盘中的各类翅型的成虫，以及低龄和高龄若虫。这种手查目测的方法工作强度大，低头数虫时间长，且由于识别方式依赖植保人员的知识和经验，存在较大的主观性和局限性。

2、传统的田间调查方法虽然在很多方面有着智能化的提升，但上述问题依然靠人力解决，通过植保人员计数磁盘中的各类翅型的成虫，以及低龄和高龄若虫，这一方法费时费力，而且容易出错。因此，需要提出一种能够提高检测效率的同时兼顾出错率的智能检测方法。考虑到稻飞虱体积小，密集性高，对模型进行改进。因此，提出一种基于改进yolov5的稻飞虱目标检测方法和系统。

3、中国专利公开号为：cn115359016a，公开了基于改进yolov5的pcb小...

【技术保护点】

1.一种基于改进Yolov5的稻飞虱目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进Yolov5的稻飞虱目标检测方法，其特征在于：所述稻飞虱样本图像中均包括多只稻飞虱，并且随机包括长翅成虫、短翅成虫、高龄若虫和低龄若虫的一种或多种。

3.根据权利要求1所述的一种基于改进Yolov5的稻飞虱目标检测方法，其特征在于：所述步骤S2具体为：利用矩形框标注图像中稻飞虱的位置以及虫态类别名称，标注成YOLO格式，得到稻飞虱图像数据集；将所述稻飞虱图像数据集按照8:2的比例划分为稻飞虱训练数据集和稻飞虱测试数据集。