【技术实现步骤摘要】
本专利技术涉及玉米叶片病虫害检测，具体为一种基于改进yolov7模型的玉米叶片病虫害检测方法。
技术介绍
1、玉米是我国主要的粮食作物，玉米产业的稳定发展对国家粮食安全意义重大。在玉米种植过程中，病虫害问题是影响其质量、产量的主要因素。传统的玉米病虫害检测方法主要依靠人工鉴别和仪器识别，其检测原理在识别效率、准确性和应用领域等方面已经无法满足科学研究和生产的需要，因此开发高质高效的玉米叶片病虫害检测技术具有重要的现实意义。
2、近年来，随着无人机、机器学习、深度学习等技术的发展，计算机视觉技术已经成功运用到玉米叶片病虫害检测中。然而，目前大多数研究和应用仅限于实验室环境，将基于深度学习的目标检测部署到实际生产环境，尤其是搭载在无人机上时仍存在诸多不足：首先，深度学习模型通常具有大量的参数，而无人机的计算资源有限，这会导致效率降低。其次，基于深度学习目标检测算法在实时性和准确性之间需要权衡，一类是基于候选区域的两阶段目标检测，其识别精度较高，但网络结构复杂且检测时间长，达不到实时检测的要求；另一类是基于回归的单阶段目标检测，具...
【技术保护点】
1.一种基于改进YOLOv7模型的玉米叶片病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进YOLOv7模型的玉米叶片病虫害检测方法，其特征在于，所述步骤S2中，使用LabelImg标注软件对图像进行标注；使用随机旋转、随机高斯噪声等方式进行数据增强以扩充图像数量。
3.根据权利要求1所述的一种基于改进YOLOv7模型的玉米叶片病虫害检测方法，其特征在于，所述步骤S3中，在YOLOv7基准模型的骨干网络中引入新的部分卷积PConv的具体步骤如下：采用新的部分卷积PConv替换骨干网络中原ELAN模块的3×3卷积，将改进后的...
【技术特征摘要】
1.一种基于改进yolov7模型的玉米叶片病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进yolov7模型的玉米叶片病虫害检测方法，其特征在于，所述步骤s2中，使用labelimg标注软件对图像进行标注；使用随机旋转、随机高斯噪声等方式进行数据增强以扩充图像数量。
3.根据权利要求1所述的一种基于改进yolov7模型的玉米叶片病虫害检测方法，其特征在于，所述步骤s3中，在yolov7基准模型的骨干网络中引入新的部分卷积pconv的具体步骤如下：采用新的部分卷积pconv替换骨干网络中原elan模块的3×3卷积，将改进后的elan模块命名elan-p。
4.根据权利要求1所述的一种基于改进yolov7模型的玉米叶片病虫害检测方法，其特征在于，所述步骤s3中，在yolov7基准模型的骨干网络中引入可变形卷积dcnv3的具体步骤如下：使用dcnv3与基本卷积模块...
【专利技术属性】
技术研发人员：杨宏伟，杨华民，张婧，冯欣，蒋振刚，张昕，戴加海，张剑飞，周超然，白森，李慧敏，
申请(专利权)人：长春理工大学，
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。