【技术实现步骤摘要】
本专利技术涉及病虫害检测，特别涉及一种基于改进yolov7算法的主粮作物病虫害检测方法及系统。
技术介绍
1、随着全球气候的变暖，气温上升、降水异常，主粮作物病虫害发育历期缩短、繁殖代数增加，有效病虫源基数显著增加。针对这些病虫害，如果不及时采取治理措施，病情逐渐加重，轻则会使粮食进行大量减产，降低粮食品质和使用价值，重则甚至出现拒收的情况。
2、现有的主粮农作物病虫害检测手段大多使用传统的目测观察法，即通过肉眼观察叶片的颜色、状态等特征。过度依赖人工的经验虽然较为简单，但浪费人力，成本较高，已经远远不能满足对主粮农作物病虫害的精准检测。此外，一些农场会套用固定的网络模型方法，虽然在一定程度上提高了效率，节约了时间，减少了人工，由于生搬硬套，不能因地制宜，检测精度仍有待提高。
3、而深度学习卷积神经网络具有强大的提取图像特征能力，可以通过大量的图像和数据进行训练以识别和定位目标，随着大数据的发展和算法的提升，以计算机视觉为基础的目标检测逐渐取代了传统的卷积网络。由于主粮作物的病虫害存在目标小，目标密集，背景复杂，...
【技术保护点】
1.一种基于改进YOLOV7算法的主粮作物病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进YOLOV7算法的主粮作物病虫害检测方法，其特征在于，所述预处理包括：HSV、翻转、尺度变化和mosaic。
3.根据权利要求1所述的基于改进YOLOV7算法的主粮作物病虫害检测方法，其特征在于，所述YOLOV7网络模型包括：Input、Backbone、Neck和Head。
4.根据权利要求1所述的基于改进YOLOV7算法的主粮作物病虫害检测方法，其特征在于，所述YOLOV7网络模型的准确率的评价指标为平均精度、精确率、召...
【技术特征摘要】
1.一种基于改进yolov7算法的主粮作物病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进yolov7算法的主粮作物病虫害检测方法，其特征在于，所述预处理包括：hsv、翻转、尺度变化和mosaic。
3.根据权利要求1所述的基于改进yolov7算法的主粮作物病虫害检测方法，其特征在于，所述yolov7网络模型包括：input、backbone、neck和head。
4.根据权利要求1所述的基于改进yolov7算法的主粮作物病虫害检测方法，其特征在于，所述yolov7网络模型的准确率的评价指标为平均精度、精确率、召回率和平均精度均值。
5.根据权利要求1所述的基于改进yolov7算法的主粮作物病虫害检测方法，其特征在于，所述目标置信度损失的计算过程包括：
6.一种基于改...
【专利技术属性】
技术研发人员：朱军龙，杜璐佳，刘牧华，刘江辉，张明川，王琳，金鑫，马淏，冀治航，赵旭辉，张茉莉，
申请(专利权)人：河南科技大学，
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。