一种改进的轻量化小麦麦穗检测算法制造技术

本发明专利技术公开了一种改进的轻量化小麦麦穗检测算法，涉及小麦麦穗识别技术领域，具体包括：S1：改进主干特征提取网络，具体为利用EfficientViT来取代YOLOV7‑Tiny的主干网络；S2：引入上采样算子CARAFE，具体为采用感受野较大的轻量级通用上采样算子CARAFE；S3：引入注意力机制，具体为EMA注意力机制。本发明专利技术通过EfficientViT替换YOLOv7‑Tiny的Backbone层，EfficientViT采用了高效的计算方法，通过优化内存效率和减少计算冗余，提高模型的计算效率。

【技术实现步骤摘要】

本专利技术涉及小麦麦穗识别，具体为一种改进的轻量化小麦麦穗检测算法。

技术介绍

1、小麦是现今世界上最重要的粮食作物之一，其产量占世界可耕地的20％以上。在我国，小麦种植面积约占粮食作物总播种面积的22％。因此准确识别麦穗对于监测作物生长、估算小麦产量和分析植物表型特征至关重要。

2、随着深度卷积神经网络和gpu计算能力的发展，目标检测被广泛应用于智慧农业领域中。将目标检测技术应用到小麦麦穗的识别中，可有效减少小麦收割中的损耗及降低收割成本。

3、目前，小麦麦穗及相关的目标检测任务也相继展开。现有技术中常存在以下几种方式来对小麦麦穗进行识别：

4、1、依靠dsift进行特征提取后，借助支持向量机分类算法对麦穗进行识别检测，但该方法针对单一小麦麦穗目标进行检测，应用范围有限；

5、2、在自然农田环境中，相关人员提出：一种基于yolov3对小麦麦穗目标检测与计数方法，但模型数据集较小，模型的鲁棒性较差；一种改进的yolov5算法的麦穗检测算法，对检测农田环境下模糊不清、遮挡的麦穗有一定的提升，但是模型较大；利用改本文档来自技高网...

【技术保护点】

1.一种改进的轻量化小麦麦穗检测算法，其特征在于，包括：

2.根据权利要求1所述的改进的轻量化小麦麦穗检测算法，其特征在于：所述步骤S1中提出的Building Blocks包括三明治布局块、级联组注意力模块以及参数重新分配。

3.根据权利要求2所述的改进的轻量化小麦麦穗检测算法，其特征在于：所述三明治布局块采用较少的内存绑定自我注意层和更内存有效的前馈神经网络层信道通信；其应用了单一的对于空间混合的个自注意力层，

4.根据权利要求3所述的改进的轻量化小麦麦穗检测算法，其特征在于：在对注意力进行计算时，通过激励Q、K、V层学习，具有更丰富信息的特征上的...

【技术特征摘要】

1.一种改进的轻量化小麦麦穗检测算法，其特征在于，包括：

2.根据权利要求1所述的改进的轻量化小麦麦穗检测算法，其特征在于：所述步骤s1中提出的building blocks包括三明治布局块、级联组注意力模块以及参数重新分配。

3.根据权利要求2所述的改进的轻量化小麦麦穗检测算法，其特征在于：所述三明治布局块采用较少的内存绑定自我注意层和更内存有效的前馈神经网络层信道通信；其应用了单一的对于空间混合的个自注意力层，

4.根据权利要求3所述的改进的轻量化小麦麦穗检测算法，其特征在于：在对注意力进行计算时，通过激励q、k、v层学习，具有更丰富信息的特征上的投影将继续提高其容量，并以级联的方式计算每个头部的注意力图，其将每个头部的输出添加到后续头部以渐进地细化特征表示：

5.根据权利要求1所述的改进的轻量化小麦麦穗检测算法，其特征在于：在步骤s2中，上采样倍率为δ，给定输入特征图的形状为h×w×c；在上采样预测模块中，首...

【专利技术属性】
技术研发人员：张婧婧，鲁子翱，韩博，赵新苗，雷嘉诚，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：