【技术实现步骤摘要】
本专利技术涉及作物防治，具体为一种基于改进yolov5s模型的水稻害虫检测方法及装置。
技术介绍
1、我国作为农业大国，农业在国民经济体系中占有主导地位，因此保证农业稳步发展对国民来说意义重大，而农业作物中与国民关系最大的就是粮食作物。水稻，作为我国重要的粮食作物之一，其产量对居民生活与社会稳定有着重要的影响，随着国家和社会现代化水平的提高，中国的农业水平毋庸置疑地得到了加强，农作物的产量经过代代先辈的研究逐年递增，但影响作物产量的因素一直存在。虫害问题很大程度影响了农作物的产量，而对田间害虫进行实时准确监测和精准有效防治，可以很好减少其带来的损失。害虫检测旨在检测田间的害虫数目和害虫种类，为害虫精准防治提供重要依据，为农民精确喷洒农药提供重要参考。此方法一方面可降低农民的生产消耗，另一方面减少作物上的农药残留及降低农药喷洒对环境的破坏。以水稻为例，水稻害虫会在水稻的生长的不同阶段对稻苗的根、茎、叶等不同部位进行啃食，影响其自身生长，为了消灭害虫，人们常常会使用农药杀虫，这样会大大降低产量，但若能及早的发现，就能提前对害虫进行处理，精准防治，避免水稻大量减产。
2、在深度学习出现之前，传统的害虫测报方式主要为人工识别，这种方法费时费力且技术效率低。但随着互联网的出现，深度学习的不断被前人推陈出新，计算机视觉技术取得了许多有效的成果，在目标检测领域，诞生了众多经典算法，如ssd，vgg，rcnn等。在交通、医学以及安全等多个领域得到广泛应用，其中，y0l0系列算法是一种单阶段目标检测算法，将输入图片划分为不同区域，使用
3、y0l0v5算法较之前系列的算法虽然检测速度与精度都得到了提升，但是应用于田间害虫图像的检测，由于对害虫图像特征细节信息提取的不全面，仍存在误检与漏检现象。因此，为解决上述问题，现提出一种基于改进yolov5s模型的水稻害虫检测方法及装置。
技术实现思路
1、本专利技术目的是提供一种基于改进yolov5s模型的水稻害虫检测方法及装置，以解决现有技术中通用yolov5s算法对水稻害虫检测相关参数较低，检测速度和目标检测精度不理想的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于改进yolov5s模型的水稻害虫检测方法，包括以下步骤：
3、s1、采集水稻害虫图像构成原始数据集，将原始数据集进行数据增强，得到水稻害虫数据集，根据所选数据集的形状特征及纹理特征，将水稻害虫数据集按以8:1:1的比例分为训练集、验证集和测试集；
4、s2、基于y0l0v5s模型构建改进y0l0v5s模型，待测图片进行特征提取前，对数据集进行数据处理，并且在模型训练前设置训练参数；
5、s3、将水稻害虫数据集输入改进y0l0v5模型进行训练，将训练后最佳的权重参数加载至改进y0l0v5模型，得到优化的检测模型；
6、s4、拍摄水稻图片，将图片上传至已部署改进y0l0v5模型的处理器中，在部署的处理器中通过定义的锚框对待测图片不同的特征部位进行框选，通过不同位置的框选得出类别概率最高的作为结果，将框选结果中类别概率低的分类存储在改进y0l0v5模型中，当下一张待测图片进行检测时除了进行正常框选还与其进行对比，通过不断学习调整网络中的权重，获得识别结果；
7、优选的，还包括：s5、根据识别结果进行显示，并对水稻进行喷药处置。
8、优选的，步骤s2中，所述改进y0l0v5s模型包括骨干网络、颈部网络、检测头，所述骨干网络包括cbs模块、csp模块、c2f模块、simam模块、sppf模块，所述颈部网络包括cbs模块、bifpn模块、c2f模块、carafe模块，所述检测头模块包括conv模块，所述csp模块由cbs模块、c2f模块构成。
9、优选的，步骤s2中，所述改进yolov5s模型的运行步骤如下：
10、a1、输入的图片经过图像预处理变为样本图片，样本图片经过 cbs模块输出特征图；
11、a2、将输出的特征图依次通过csp模块获得丰富的梯度信息，到达骨干网络末尾的simam模块，关注目标的深层特征；
12、a3、通过sppf模块空间池化进入颈部网络进行进一步的特征提取；
13、a4、通过上采样算子carafe模块进行两次重复采样，保留了待测特征图的更多细节特征和重要信息；
14、a5、将采样后的特征图输入bifpn模块，将不同尺度的特征信息进行融合，加强网络特征融合能力；
15、a6、在检测头的conv模块基于特征融合输出的三个尺度的融合特征进行分类检测，输出最终的目标检测结果。
16、优选的，步骤s3中，所述改进yolov5s模型训练方法如下步骤：
17、b1、将训练集输入改进的yolov5s模型，首先经过卷积获得特征图，然后进入改进的csp结构；
18、b2、特征图进入骨干网络末尾的simam模块，关注目标的深层特征，进入空间池化模块sppf进行进一步的特征提取；
19、b3、接下来进入颈部网络，通过上采样算子carafe模块，增大感受野，保留更多细节特征，增强小目标的特征表达能力；
20、b4、然后在特征融合阶段使用加权双向特征金字塔网络bifpn结构，对不同尺度的特征信息进行融合，加强网络特征融合能力；
21、b5、最后在conv模块进行分类；
22、b6、训练完成将识别结果与标注结果进行对比，正确的进行显示，错误的储存在处理器的网络模型中，再有类似错误情况出现时直接进行处理。
23、一种改进yolov5s模型的水稻害虫检测装置，包括：
24、采集模块，用于采集水稻害虫图片；
25、通信系统，用于将采集的图片上传和指令的传输；
26、识别模块，用于搭载改进yolov5s模型对采集的图片进行水稻害虫识别；
27、处置模块，根据害虫识别结果对水稻进行处置。
28、一种计算机设备，包括控制器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如所述的一种基于改进yolov5s模型的水稻害虫检测方法，所述控制器对处理器发出指令，控制处理器的运行，完成识别结果的显示以及喷药模块的开启和关闭。
29、一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质为存储器，存储有训练完成的改进yolov5s模型，所述存储器还存储有采集模块所传输的样本信息与处理器识别完成后的类别信息。
30、本专利技术至少具备以下有益效果：
31、1、本专利技术在y0l0v5s的模型结构上，替换了c3结构（csp）为c2f，不仅进一步优化了特征提取，使网络更深，参本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv5s模型的水稻害虫检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于改进YOLOv5s模型的水稻害虫检测方法，其特征在于，还包括：S5、根据识别结果进行显示，并对水稻进行喷药处置。
3.如权利要求1所述的一种基于改进YOLOv5s模型的水稻害虫检测方法，其特征在于：步骤S2中，所述改进Y0L0v5s模型包括骨干网络、颈部网络、检测头，所述骨干网络包括CBS模块、CSP模块、C2f模块、SimAM模块、SPPF模块，所述颈部网络包括CBS模块、BiFPN模块、C2f模块、CARAFE模块，所述检测头模块包括Conv模块，所述CSP模块由CBS模块、C2f模块构成。
4.如权利要求3所述的一种基于改进YOLOv5s模型的水稻害虫检测方法，其特征在于，步骤S2中，所述改进YOLOv5s模型的运行步骤如下：
5.如权利要求4所述的一种基于改进YOLOv5s模型的水稻害虫检测方法，其特征在于：步骤S3中，所述改进YOLOv5s模型训练方法如下步骤：
6.一种改进YOLOv5s模型的水稻害
7.一种计算机设备，其特征在于：包括控制器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如权利要求1至5中任一项所述的一种基于改进YOLOv5s模型的水稻害虫检测方法，所述控制器对处理器发出指令，控制处理器的运行，完成识别结果的显示以及喷药模块的开启和关闭。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机可读存储介质为存储器，存储有训练完成的改进YOLOv5s模型，所述存储器还存储有采集模块所传输的样本信息与处理器识别完成后的类别信息。
...【技术特征摘要】
1.一种基于改进yolov5s模型的水稻害虫检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于改进yolov5s模型的水稻害虫检测方法，其特征在于，还包括：s5、根据识别结果进行显示，并对水稻进行喷药处置。
3.如权利要求1所述的一种基于改进yolov5s模型的水稻害虫检测方法，其特征在于：步骤s2中，所述改进y0l0v5s模型包括骨干网络、颈部网络、检测头，所述骨干网络包括cbs模块、csp模块、c2f模块、simam模块、sppf模块，所述颈部网络包括cbs模块、bifpn模块、c2f模块、carafe模块，所述检测头模块包括conv模块，所述csp模块由cbs模块、c2f模块构成。
4.如权利要求3所述的一种基于改进yolov5s模型的水稻害虫检测方法，其特征在于，步骤s2中，所述改进yolov5s模型的运行步骤...
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。