【技术实现步骤摘要】
本专利技术涉及农业病虫害，具体涉及一种基于改进yolov5的农业病虫害识别方法。
技术介绍
1、农业病虫害，作为一直以来困扰农业生产的顽疾，一直是农业生产发展中必须面对和解决的重要问题。这些病虫害不仅降低了农作物的产量，更影响了作物的质量，从而间接影响农民的经济收入和整个社会的粮食安全。
2、在过去，人们对农业病虫害的管理和控制方式大多还停留在传统的层面。这种传统的管理策略基本上是完全依赖农民的日常经验来进行的。
3、随着技术的进步，无人机已经从军事领域逐步渗透到各行各业，其中，农业就是这些领域之一。无人机在农业中的应用不仅仅是飞越农田，它为农业带来的是一个综合性的技术革命。
4、实时监测与数据采集：相较于传统的步行或驾驶机械进行巡查，无人机能够快速飞跃大片农田，并在短时间内为农业工作者提供实时图像数据。这种即时性的数据采集方式不仅提高了农田管理的效率，也使得农田中突发的问题得以迅速响应和处理。
5、高分辨率与精准图像捕获：现代无人机上的高清摄像头不再满足于简单的图像捕获。它们能够提供极高分辨率的图像，这意味着即使是最小的细节，如早期的叶片黄化、微小的虫害损伤等，都能被准确地捕获和记录。这种精准度的提高为农田管理提供了更为细致的视角。
6、多光谱与热成像的复合应用：除了常规的可见光摄像功能，一些先进的无人机还装备了多光谱和热成像传感器。这些传感器能够在不同的光波范围内捕获图像，从而揭示植被健康、土壤湿度和温度等信息。例如，通过热成像可以早期发现灌溉不足或过多的区域，多光
7、数据分析与决策支持：收集的图像和数据不仅仅是用于查看，更多的是作为数据源输入到各种算法和模型中，进行深度分析。通过对这些数据的处理和解析，农业工作者可以获得农田健康状况的综合报告，并据此制定相应的农事管理策略。
8、智能化的农田管理：结合其他技术如人工智能和大数据，无人机可以为农田管理提供更为智能化的解决方案。例如，自动分析土壤养分和农田需水量，进而自动调配和施放肥料或进行灌溉。
9、无人机技术的引入和深度整合不仅仅改变了农业生产的方式，更是为农业带来了前所未有的效率和精确度，为实现高效、可持续的农业生产提供了强有力的技术支持。但现有的无人机检测农业病虫害的精度并不高。
技术实现思路
1、本专利技术的目的在于：针对目前无人机检测农业病虫害的精度不高的问题，提供了一种基于改进yolov5的农业病虫害识别方法，在yolov5特征融合网络中加入基于动态稀疏注意力的biformer结构，以构建高效金字塔网络架构，引入afpn对yolov5进行改进，改进后的特征融合网络为一种渐近特征金字塔网络，并进一步改进损失函数，解决训练过程中特征消失等问题，提升农业病虫害检测精度。
2、本专利技术的技术方案如下：
3、一种基于改进yolov5的农业病虫害识别方法，包括以下步骤：
4、利用搭载高清摄像机的无人机获取农业病虫害的清晰图像，对获取到的图像进行预处理，并对预处理后的图像进行数据标注处理；
5、构建检测模型，在yolov5特征融合网络中加入基于动态稀疏注意力的biformer结构构建高效金字塔网络架构，并引入afpn改进特征融合网络为渐近金字塔网络，同时改进损失函数；
6、将预训练后的图像数据输入到模型中，调整模型参数进行训练，直至得到最优模型；
7、将待识别的病虫害图像输入至训练后得到的最优模型中，识别病虫害的类型、具体位置以及严重程度，最终得到识别结果；
8、根据识别结果，农药喷洒系统可以在具体位置进行精确喷洒。
9、进一步的，所述biformer结构对yolov5的neck部分进行改进，biformer结构通过考虑长距离的依赖关系来捕获图像中的全局上下文信息。
10、进一步的，所述改进损失函数为将原始yolov5的损失函数替换为wise-iou，wise-iou根据距离度量构建了距离注意力，得到了具有两层注意力机制的wiou v1：
11、rwiou∈[1,e)，将显著放大普通质量anchor box的liou；
12、liou∈[0,1]，将显著降低高质量anchor box的rwiou，并在anchor box与目标框重合时，重点关注中心点之间的距离；
13、
14、
15、其中，wg、hg是最小封闭框的大小，(x,y)：预测框的中心点坐标，(xgt,ygt)：实际框的中心点坐标。
16、进一步的，所述afpn融合low-level特征、深层特征和high-level特征，利用自适应空间融合为不同level的特征分配不同的空间权重。
17、进一步的，所述自适应空间融合包括：
18、表示从leveln到levell的位置(i,j)处的特征向量，结果特征向量表示为y′ij，通过多级特征的自适应空间融合获得，并由特征向量的线性组合和如下:
19、
20、其中，和表示3个level的特征在levell的空间权重，受的约束。
21、进一步的，所述高效金字塔网络架构为双层路由注意力，双层路由注意力在粗糙区域级别过滤不相关的键值对，只保留小部分路由区域，在路由区域的联合中应用细粒度的token-to-token注意力，包括：
22、region partition and input projection：
23、特征图x∈rh×w×c分为s×s个不重叠的区域，使得每个区域包含特征向量将其转化为同时将导出查询，键，值张量，具有线性投影
24、q＝xrwq,k＝xrwk,v＝xrwv；
25、对于region-to-region routing with directed graph：
26、通过构造一个有向图来找到每个给定区域应该参与的区域，先计算每个区域中q和k的平均值，得到然后计算qr和kr的区域间相关性的邻接矩阵ar＝qr(kr)t，然后只保留每个区域的前k个连接来修剪相关性图，有路由索引矩阵逐行保存前k个连接的索引，
27、ir＝topkindex(ar)
28、token-to-token attention：
29、利用区域到区域路由索引矩阵ir，对于区域i中的每个querytoken，将关注k个路由区域的并集中的所有键-值对，索引为首先聚集key和value的tensor，即kg＝gather(k,ir),vg＝gather(v,ir)然后对聚集后的k-v对使用注意力操作o＝attention(q,kg,vg)+lce(v)。
30、进一步的，所述预处理包括去噪、对比度调整、色彩平衡。
31、进一步的，所述数据标注处理通过标记软件labelimage对数据集进行yolo本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv5的农业病虫害识别方法，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的农业病虫害识别方法，其特征在于，所述BiFormer结构对YOLOv5的Neck部分进行改进，BiFormer结构通过考虑长距离的依赖关系来捕获图像中的全局上下文信息。
3.根据权利要求1所述的一种基于改进YOLOv5的农业病虫害识别方法，其特征在于，所述改进损失函数为将原始YOLOv5的损失函数替换为Wise-IoU，Wise-IoU根据距离度量构建距离注意力，得到具有两层注意力机制的WIoU v1：
4.根据权利要求1所述的一种基于改进YOLOv5的农业病虫害识别方法，其特征在于，所述AFPN融合Low-Level特征、深层特征和High-Level特征，利用自适应空间融合为不同Level的特征分配不同的空间权重。
5.根据权利要求4所述的一种基于改进YOLOv5的农业病虫害识别方法，其特征在于，所述自适应空间融合包括：
6.根据权利要求1所述的一种基于改进YOLOv5的农业病虫害识别方法，
7.根据权利要求1所述的一种基于改进YOLOv5的农业病虫害识别方法，其特征在于，所述预处理包括去噪、对比度调整、色彩平衡。
8.根据权利要求1所述的一种基于改进YOLOv5的农业病虫害识别方法，其特征在于，所述数据标注处理通过标记软件labelImage对数据集进行YOLO格式的标注，包括十个标记类别：黑豆健康、黑豆叶斑病、扁豆尾孢叶斑病、扁豆健康、花生健康、花生叶斑病、小米健康、小米锈病、番茄早疫病、番茄健康。
...【技术特征摘要】
1.一种基于改进yolov5的农业病虫害识别方法，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的农业病虫害识别方法，其特征在于，所述biformer结构对yolov5的neck部分进行改进，biformer结构通过考虑长距离的依赖关系来捕获图像中的全局上下文信息。
3.根据权利要求1所述的一种基于改进yolov5的农业病虫害识别方法，其特征在于，所述改进损失函数为将原始yolov5的损失函数替换为wise-iou，wise-iou根据距离度量构建距离注意力，得到具有两层注意力机制的wiou v1：
4.根据权利要求1所述的一种基于改进yolov5的农业病虫害识别方法，其特征在于，所述afpn融合low-level特征、深层特征和high-level特征，利用自适应空间融合为不同level的特征分配不同的空间权重。
5.根据权利...
【专利技术属性】
技术研发人员：康雁，凌永军，姚晟哲，郑东升，彭越，袁虎，李艳，蔡静雯，普康，
申请(专利权)人：云南大学，
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。