基于改进YOLOv7的植株害虫和虫卵检测方法技术

本发明专利技术涉及基于改进YOLOv7的植株害虫和虫卵检测方法，包括以下步骤：步骤1、搭建植株害虫和虫卵数据集；步骤2、构建包括主干网络和头部特征融合预测网络的目标检测模型；所述主干网络包括若干G‑ELAN模块；步骤3、对训练集的图像进行数据预处理，以增加数据的随机性和多样性，扩充数据集；步骤4、对目标检测模型进行训练；步骤5、输入待检测图片至训练后的目标检测模型，输出检测结果。本发明专利技术采用基于灵魂卷积的高效聚合网络作为用于提取特征的主干网络，可以在减小计算量的同时保证准确率，增强了模型的学习能力，从而实现模型识别精度高、识别速度快，解决了农作物害虫及虫卵目标过小、识别精度低的问题。

【技术实现步骤摘要】

本专利技术涉及农业，具体的说，是涉及一种基于改进yolov7的植株害虫和虫卵检测方法。

技术介绍

1、各类虫子从春季虫卵开始固定在农作物枝叶或土壤中，到破壳而出，吸取农作物汁液为害农作物，造成农作物发芽稀少、芽叶瘦小，影响农作物的生长。农业园如果管理不当，干预不及时，会在5至8月进入虫害集中爆发期。虫害一旦爆发，不止叶芽、叶片会受到伤害，还会危害农作物枝干皮层，虫害蛀入枝干而形成孔渣，破坏输导组织。轻者影响植株生长，重者植株的叶片被吃光、枝干枯死。

2、农业园中的害虫问题是农业生产中的一大挑战，如果不及时有效地进行防治，将会对农作物的生长产生严重的影响。传统的农业园对害虫的识别主要还是靠肉眼判断，这种做法不仅费人工，而且识别精度低，识别周期长。

3、为此，人们引入摄像头代替人眼，实时监测病虫害对农作物的影响。例如专利申请号cn202210056431.4公开的一种农作物病虫害的监测方法，利用摄像头实时拍摄农作物上的病害信息；再利用捕虫器引诱、集中害虫，配合另一摄像头获取害虫信息。可见，现有技术需要采用诱捕方式引诱害虫，集中后才能进行本文档来自技高网...

【技术保护点】

1.基于改进YOLOv7的植株害虫和虫卵检测方法，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YOLOv7的植株害虫和虫卵检测方法，其特征在于，数据增强包括马赛克数据增强、随机翻转和随机裁剪，基础变换包括归一化和缩放，具体步骤包括：

3.根据权利要求1所述的基于改进YOLOv7的植株害虫和虫卵检测方法，其特征在于，所述位置标签包括用于描述目标位置信息的边界框，所述边界框与目标的轮廓相切。

4.根据权利要求1所述的基于改进YOLOv7的植株害虫和虫卵检测方法，其特征在于，所述主干网络用于对图像进行特征提取，依次由五个部分组成；

...

【技术特征摘要】

1.基于改进yolov7的植株害虫和虫卵检测方法，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yolov7的植株害虫和虫卵检测方法，其特征在于，数据增强包括马赛克数据增强、随机翻转和随机裁剪，基础变换包括归一化和缩放，具体步骤包括：

3.根据权利要求1所述的基于改进yolov7的植株害虫和虫卵检测方法，其特征在于，所述位置标签包括用于描述目标位置信息的边界框，所述边界框与目标的轮廓相切。

4.根据权利要求1所述的基于改进yolov7的植株害虫和虫卵检测方法，其特征在于，所述主干网络用于对图像进行特征提取，依次由五个部分组成；

5.根据权利要求4所述的基于改进yolov7的植株害虫和虫卵检测方法，其特征在于，所述g-elan模块包括2个分支，第一分支包括1个1x1的g-cbs模块；第二分支包依次括1个1x1的g-cbs模块和1个3x3的g-cbs模块；

6.根据权利要求1或4所述的基于改进yolov7的植株害虫和虫卵检测方法，其特征在于，所述头部特征融合预测网络包括sppf模块、若干g-cbs模块，若干g-elan模块、若干cu模块和若干cbl模块；...

【专利技术属性】
技术研发人员：刘向农，陈晓藩，黄新成，
申请(专利权)人：暨芯集成电路产业研究院，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人