【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及基于改进yolox的小目标虫害识别方法及系统。
技术介绍
1、高粱蚜虫具高度传染性，且能快速增殖形成规模性的虫害爆发；实时监测可以提前探测虫害酝酿的趋势，有助于及时发现和定位重点防控区域，进行精准的防治操作。
2、实现实时监测需求的一大关键环节是在嵌入式设备上进行算法部署。然而，目前存在的虫害目标检测算法并未充分满足这一需求。一方面，有些算法在检测精度上表现优秀，但其计算量大、参数多的特性使得在嵌入式平台上运行时系统负荷过重。另一方面，还有一些算法试图优化模型以提高运行效率，但却没能充分提高检测精度。
3、例如huang等人huang j,huang y,huang h,et al.an improved yoloxalgorithm for forest insect pest detection[j].computational intelligence andneuroscience,2022,2022:5787554，为了检测森林中的害虫，在yolox的颈部网络中引入了浅层信息dark2，采用了双向跨尺度特征融合机制，以提取更细粒度的特征，这样做虽然能在一定程度上提高检测精度，但深浅层特征融合需要进行多次上采样和下采样操作，会引入额外的计算量。
4、而wang等人wang j,huang w,zhang q.agricultural light-trapped pestdetection methods under unbalanced data；pro
5、其次，现有基于嵌入式的虫害检测系统大多只是在嵌入式设备上独立部署算法，需要手动管理和优化各种资源和任务，增加了应用的复杂性，且难以实现应用的扩展和灵活配置。
6、因此，实现在计算资源有限的嵌入式设备上部署高精度和高效的虫害检测应用，实现对小目标的实时监测，当前存在以下技术难题：
7、1、现有的yolox模型改进，针对高粱蚜虫这类小目标须考虑计算精度与运行效率的权衡问题；
8、2、针对高粱蚜虫这类小目标检测，缺乏能够兼顾检测效果与使用难易度的嵌入式部署方案。
技术实现思路
1、针对现有方法的不足，本专利技术解决现有yolox模型对高粱蚜虫这类小目标的检测精度不足的问题以及缺乏支持实时性的嵌入式系统的问题。
2、本专利技术所采用的技术方案是：基于改进yolox的小目标虫害识别方法包括以下步骤：
3、步骤一、采集虫害图像数据；
4、步骤二、构建改进yolox网络，将主干网络的四个cbs模块替换为repvgg模块，repvgg模块包含不同类型的卷积分支，学习虫害目标的全局和局部特征，针对虫害的多样性，增强模型表达能力，提高识别准确性。
5、作为本专利技术的一种优选实施方式，改进yolox网络还包括：将主干网络中最后一个c3模块的bottleneck模块替换为transformer模块，增强主特征分支的全局建模能力；通过提取全局上下文信息，提高识别准确性。
6、c3tr模块可以在不显著增加计算复杂性的情况下，改善模型的性能。
7、作为本专利技术的一种优选实施方式，改进yolox网络还包括：将head部分中20×20尺度的检测头删除，减小模型参数量。
8、对于密集的高粱蚜虫目标20×20的大目标检测尺度对检测效果并无实质性益处，反而增加了不必要的计算量，因此只保留了40×40和80×80这两种尺度，专注于中小型目标的检测。
9、作为本专利技术的一种优选实施方式，repvgg模块包含三个并行分支：第一分支包含一个3x3卷积操作后跟bn层；第二分支仅包含1x1卷积操作后跟bn层；第三分支是恒等映射，仅包含bn层；三个分支的输出结果通过元素求和后，使用silu函数进行非线性变换。
10、repvgg使用训练推理分离的设计理念，训练阶段使用多分支结构提取足够信息，推理阶段则降低计算量，兼顾虫害检测的准确性与实时性要求。
11、作为本专利技术的一种优选实施方式，基于改进yolox的虫害识别系统包括：视频流解码模块、tensorrt检测推理模块、后处理模块、视频流编码模块和视频流传输模块；其中，
12、视频流解码模块用于对外部数据采集设备的视频流进行解码；
13、tensorrt检测推理模块对流水线传入的每幅视频帧同步启动异步gpu推理任务，输出图上检测到的目标框坐标；
14、后处理模块用于订阅视频帧数据，绘制目标框并输出带检测信息的帧图像；
15、视频流编码模块对流水线输出的视频帧进行实时编码压缩；
16、视频流传输模块对视频流进行实时传输和显示。
17、作为本专利技术的一种优选实施方式，还包括计数统计模块，计数统计模块利用deepstream中的gst-nvdsanalytics插件统计属于某虫害类别的数量。
18、作为本专利技术的一种优选实施方式，视频流传输模块首先注册一个回调函数，用于处理视频流水线消息；获取视频流结束消息时，回调函数启动文件上传流程；然后，确定存储空间和对象名称，作为视频文件的云端路径；最后，通过oss接口上传已经编码的视频文件至云存储服务器。
19、作为本专利技术的一种优选实施方式，上传流程首先调用初始化接口，配置oss网络参数；然后生成oss客户端对象，设定访问密钥信息，建立与oss的连接。
20、本专利技术的有益效果：
21、1、通过repvgg模块替换原模型中的cbs模块，并构建c3tr模块，提升了检测精度；
22、2、仅保留40x40和80x80两个检测尺度，降低了模型参数量；
23、3、使用tensorrt工具对模型进行了进一步的优化和转换，使得模型能够在deepstream环境中进行高效推理；
24、4、基于deepstream架构的嵌入式系统，将实时检测结果实时展现，并及时上传云端。
本文档来自技高网...【技术保护点】
1.基于改进YOLOX的小目标虫害识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进YOLOX的小目标虫害识别方法，其特征在于，改进YOLOX网络还包括：将主干网络中最后一个C3模块的Bottleneck模块替换为Transformer模块，增强主特征分支的全局建模能力；通过提取全局上下文信息，提高识别准确性。
3.根据权利要求1所述的基于改进YOLOX的小目标虫害识别方法，其特征在于，改进YOLOX网络还包括：将Head部分检测头中20×20的尺度删除，减小模型参数量。
4.根据权利要求1所述的基于改进YOLOX的小目标虫害识别方法，其特征在于，RepVGG模块包含三个并行分支：第一分支包含一个3x3卷积操作后跟BN层；第二分支仅包含1x1卷积操作后跟BN层；第三分支是恒等映射，仅包含BN层；三个分支的输出结果通过元素求和后，使用SiLU函数进行非线性变换。
5.采用权利要求1-4任意一项所述的基于改进YOLOX的小目标虫害识别方法的系统，其特征在于，包括：视频流解码模块、TensorRT检测推理模块、后处理模
6.根据权利要求5所述的基于改进YOLOX的虫害识别系统，其特征在于，还包括计数统计模块，计数统计模块利用Deepstream中的Gst-nvdsanalytics插件统计属于某虫害类别的数量。
7.根据权利要求5所述的基于改进YOLOX的虫害识别系统，其特征在于，视频流传输模块首先注册一个回调函数，用于处理视频流水线消息；获取视频流结束消息时，回调函数启动文件上传流程；然后，确定存储空间和对象名称，作为视频文件的云端路径；最后，通过OSS接口上传已经编码的视频文件至云存储服务器。
8.根据权利要求7所述的基于改进YOLOX的虫害识别系统，其特征在于，上传流程首先调用初始化接口，配置OSS网络参数；然后生成OSS客户端对象，设定访问密钥信息，建立与OSS的连接。
9.存储有计算机程序代码的计算机可读介质，其特征在于，计算机程序代码在由处理器执行时实现如权利要求1-4任一项所述的基于改进YOLOX的小目标虫害识别方法。
...【技术特征摘要】
1.基于改进yolox的小目标虫害识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进yolox的小目标虫害识别方法，其特征在于，改进yolox网络还包括：将主干网络中最后一个c3模块的bottleneck模块替换为transformer模块，增强主特征分支的全局建模能力；通过提取全局上下文信息，提高识别准确性。
3.根据权利要求1所述的基于改进yolox的小目标虫害识别方法，其特征在于，改进yolox网络还包括：将head部分检测头中20×20的尺度删除，减小模型参数量。
4.根据权利要求1所述的基于改进yolox的小目标虫害识别方法，其特征在于，repvgg模块包含三个并行分支：第一分支包含一个3x3卷积操作后跟bn层；第二分支仅包含1x1卷积操作后跟bn层；第三分支是恒等映射，仅包含bn层；三个分支的输出结果通过元素求和后，使用silu函数进行非线性变换。
5.采用权利要求1-4任意一项所述的基于改进yolox的小目标虫害识别方法的系统，其特征在于，包括：视频流解码模块、t...
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。