【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小目标缺陷检测方法和系统，一种基于改进yolov5的基于改进yolov5的pcb小目标缺陷检测方法和系统，对pcb小目标缺陷数据集进行聚类分析并得到聚类中心；将pcb小目标缺陷数据集输入二分k-means聚类算法，将聚类中心值输入至yolov5网络；分别对yolov5特征提取网络和yolov5特征融合网络进行改进，引用bifpn路径聚合网络代替yolov5特征融合网络；采用decoupled-hea
4、中国专利公开号为：cn114627502 a，公开了一种基于改进yolov5的目标识别检测方法，包括：采集目标图像样本数据，构建样本数据集；对样本数据集进行扩容处理，得到待识别数据集；对目标检测算法yolov5进行改进，获得改进的目标检测算法yolov5，具体包括：优化目标锚框、添加协调注意力机制ca及特征融合bifp；利用改进的目标检测算法yolov5对待识别数据集中的图像信息进行识别，获得识别结果。该方法采用改进的目标检测算法yolov5不仅提升了一般情况下的生猪个体识别准确率，还改善了在生猪密集以及远距离小目标情境下的检测性能。然而在该技术方案中，识别类型为单个的生猪识别，不适用于对稻飞虱单类虫子的多种形态识别，且不适用于识别目标较小的物体，对于识别高度密集性的目标，具有识别精确度不够的问题。
5、因此有必要对基于改进yolov5的稻飞虱目标检测方法进行进一步的改进，以解决上述问题。
技术实现思路
1、本申请的目的：在于解决和克服现有技术和应用的不足，提供基于改进yolov5的稻飞虱目标检测方法、系统、设备及介质，有效解决目前稻飞虱目标检测识别较小目标以及识别密集多目标的精确度低的问题，有效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。
2、本申请的目的是通过如下技术方案来完成的，一种基于改进yolov5的稻飞虱目标检测方法，包括以下步骤：
3、s1:获取多张稻飞虱样本图像；
4、s2:对所获得的稻飞虱样本图像进行数据处理，得到稻飞虱图像数据集，将稻飞虱图像数据集划分为训练数据集和测试数据集；
5、s3:基于原始的yolov5网络模型，在yolov5网络模型的主干网络中引入ca协调注意力机制，ca协调注意力机制通过把空间位置信息嵌入到通道注意力中；
6、s4: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；
7、s5:在yolov5网络模型的特征融合网络中引入gam全局注意力机制；
8、s6:基于步骤s3、s4、s5的改进，获得改进的yolov5模型，利用训练数据集对所改进的yolov5模型进行训练，得到改进的yolov5模型框架；将测试数据集中的稻飞虱图像输入改进的yolov5模型框架中，获得该模型在测试数据集中的稻飞虱虫情检测结果。稻飞虱类别根据年龄分为3段：低龄若虫、高龄若虫和成虫，成虫再分类别，长翅和短翅，稻飞虱虫情检测结果总共四个类别，低龄若虫、高龄若虫，长翅成虫以及短翅成虫。
9、优选地：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。
10、优选地，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。
11、优选地，所述步骤s3中的主干网络包括focus、conv、bottleneckcsp以及spp；在主干网络的conv层、bottleneckcsp层后引入所述ca协调注意力机制；ca协调注意力机制将全局平均池化进行分解；假设bottleneckcsp层的输出为x，即ca协调注意力机制的输入为x，对所述x中的每个通道使用两个池化核分别沿水平坐标和垂直坐标进行编码，因此，第c个通道在宽度为w的输出可表述为：
12、
13、其中，表示第c个通道在宽度为w的输出；h表示高度，w表示宽度；xc(j,w)表示第c个通道中宽度为w，高度为j的坐标；第c个通道在高度为h的输出可表述为：
14、
15、其中，表示第c个通道在高度为h的输出；对所获得的和进行连接，利用1×1卷积变换函数conv1，得到的输出表述为：
16、m＝δ(conv1([zh,zw]))
17、其中，m为在水平方向和垂直方向对空间信息进行编码的特征图；δ为非线性激活函数；[.,.]表示沿空间维度的拼接运算；zh和zw分别为沿高度方向和宽度方向上生成的特征图；由于将m沿着空间维度分成两个独立的张量和使用另外两个1×1卷积变换函数convh和convw分别对和进行变换，使和变换为相同大小的通道，变换表述为：
18、gh＝σ(convh(mh))
19、gw＝σ(convw(mw))
20、其中，σ是sigmoid函数；将所获得的gh和gw进行展开，分别用作注意力权重，将ca协调注意力的输出表述为：
21、
22、其中，i和j分别代表在第c个通道时的高度和宽度。
23、优选地，所述行为识别网络包括卷积层、池化层、批量归一化层、全连接层，采用softmax或relu作为激活函本文档来自技高网...
【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。
4.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S3中的主干网络包括Focus、Conv、BottleNeckCSP以及SPP；在主干网络的Conv层、BottleNeckCSP层后引入所述CA协调注意力机制；CA协调注意力机制将全局平均池化进行分解；假设BottleNeckCSP层的输出为X，即CA协调注意力机制的输入为X，对所述X中的每个通道使用两个池化核分别沿水平坐标
5.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S4具体为：利用深度可分离自注意力机制和点自注意力机制相结合减少计算量；在整个可分离视觉转换器模块中，对输入的特征标记进行处理，进而成为内部注意力机制的输入，处理表述为：
6.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S5中的GAM全局注意力机制增大全局维度交互，所述GAM全局注意力机制在通道注意力子模块中，使用一个两层的多层感知器，放大不同维度通道、空间的依赖性；在空间注意子模块中，使用两个卷积层进行空间信息融合。
7.一种基于改进Yolov5的稻飞虱目标检测系统，应用于权利要求1-6任一项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，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序可以被计算机处理器执行实现如权利要求1至6中的任意一项所述方法的计算机可读指令。
...【技术特征摘要】
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。
4.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s3中的主干网络包括focus、conv、bottleneckcsp以及spp；在主干网络的conv层、bottleneckcsp层后引入所述ca协调注意力机制；ca协调注意力机制将全局平均池化进行分解；假设bottleneckcsp层的输出为x，即ca协调注意力机制的输入为x，对所述x中的每个通道使用两个池化核分别沿水平坐标和垂直坐标进行编码，因此...
【专利技术属性】
技术研发人员：陆玉恒，陆亚地，杨晨，吴荣林，
申请(专利权)人：杭州睿坤科技有限公司，
类型：发明
国别省市：
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。