一种改进的Yolov5-crops的东北农作物病害识别方法技术

一种改进的Yolov5‑crops的东北农作物病害识别方法，其特征是：在Backbone骨干网络中，使用Conv卷积层代替原先的Focus切片操作，减少特征通道数；在Backbone末尾处，将SPP模块替换为SPPF模块，并且额外添加注意力机制SE模块；在整个网络中，将CBL模块全部替换为C2f模块，可以在CBL标准卷积模块基础上，通过多轮Bottleneck实现梯度融合；使用新的损失函数EIoU进行识别评价，进行收敛回归。本发明专利技术能够有效提高对农作物病害的检测准确率，并且可以让用户直接在基于改进的Yolov5‑crops(1.0版本)驱动软件上，或者是url虚拟网站上进行操作，对农作物病害进行检测。

【技术实现步骤摘要】

本专利技术涉及一种农业生产技术，尤其是一种农作物病虫害识别技术，具体地说是一种改进的yolov5-crops的东北农作物病害识别方法，它主要研发改进了一种改进的yolov5-crops的东北农作物病害识别方法，并且该模型方法可在软件驱动设备上运行。

技术介绍

1、近年来，黑龙江作为我国的农业大省，是全国最重要的商品粮基地和粮食战略后备基地，农业特别是粮食生产在全国占有重要的战略地位，肩负着保障国家粮食安全、生态安全的重任。但是多年以来，病虫害问题始终反复，这说明当前的监管技术有相当大的缺漏，不能够实时跟进农作物的生长情况，但仅仅依靠人力，不可能全域的监测农作物的实时状态。因此，当前通过机器学习来完成病虫害识别的方案是必要且可行的。

2、随着人工智能革命的到来，如今基于深度学习的图像识别技术也日趋成熟，其中you only look once(yolo)v5目标识别算法也被广泛用于农业生产中，我们使用该技术以期能够在黑土地上有优秀的表现。黑龙江省的主要经济作物有玉米、大豆、水稻等。但目前黑龙江省在农业方面呈现基本机械化，但却不够智能化，智能化农业本文档来自技高网...

【技术保护点】

1.一种基于改进的Yolov5-crops算法的东北农作物病害识别算法，其特征是：它包括以下步骤：

2.根据权利要求1所述的方法，其特征是：SPPF模块通过多次最大池化(MaxPool)操作提取特征信息，更好地保留农作物病害的纹理特征；其中，最大池化思想就是选取图像目标区域的最大值做特征输出；SPPF模块模型计算量比SPP模块小，模型速度得到较大提升；SPPF模块相对于SPP模块，串行进行池化操作，将每个MaxPool的输出进行通道堆叠，充分利用每个池化的输出。

3.根据权利要求1所述的方法，其特征是：SE模块分为压缩(Squeeze)和激发(Excitation...

【技术特征摘要】

1.一种基于改进的yolov5-crops算法的东北农作物病害识别算法，其特征是：它包括以下步骤：

2.根据权利要求1所述的方法，其特征是：sppf模块通过多次最大池化(maxpool)操作提取特征信息，更好地保留农作物病害的纹理特征；其中，最大池化思想就是选取图像目标区域的最大值做特征输出；sppf模块模型计算量比spp模块小，模型速度得到较大提升；sppf模块相对于spp模块，串行进行池化操作，将每个maxpool的输出进行通道...

【专利技术属性】
技术研发人员：马欣宇，王庆祥，胡玉明，李双毅，綦志刚，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：