基于PKD-YOLO的一种轻量级经济林果生长状态识别方法技术

本发明专利技术属于深度学习技术领域，公开了一种基于PKD‑YOLO的轻量级经济林果生长状态识别方法，包括下列步骤：构建经济林果生长状态图片数据集；使用LabelImg标注工具对数据集进行标注；设计通道剪枝策略得到P‑YOLO模型，具体操作包括对YOLOv8s模型进行稀疏化训练、初步剪枝、迭代剪枝、二次迭代剪枝、模型微调；对剪枝后的模型进行知识蒸馏，YOLOv8s模型作为教师模型，P‑YOLO模型作为学生模型，知识蒸馏训练后得到PKD‑YOLO模型，解决了剪枝导致的精度下降问题。本发明专利技术的PKD‑YOLO模型在不影响原模型精度的情况下，参数量减少了81.33％，模型大小减少了80.75％，推理时间降低了52.17％，FPS增加了1.38倍，实现了模型的轻量化，对指导复杂模型的轻量化具有重要意义。

【技术实现步骤摘要】

本专利技术属于深度学习，具体涉及一种基于pkd-yolo的一种轻量级经济林果生长状态识别方法。

技术介绍

1、计算机视觉的多功能性使其成为适用于许多领域的技术工具，包括精准农业领域。在精准农业和智慧农场领域，深度学习技术相较于其他机器视觉技术能更为有效的解决鲁棒性和泛化性不足的问题，并且已成为研究重点。使用深度学习技术实时且准确的获取水果的生长状态，对疏花蔬果等农事活动进行更加精确的指导，更加有效的管理果园，进而提高经济作物产量、产品品质以及经济效益。

2、目前国内外学者已经对经济林果的检测展开了广泛的研究，但主要集中于对某一种经济林果的研究，且大多数只关注果实的成熟度及品质等，关于多种类经济林果物候期或者生长状态识别的研究较少。随着果园中种植水果种类的增加，急需一个能同时对多种水果进行生长状态识别的方法，因此本专利技术对苹果、梨、樱桃三种经济林果的生长状态检测方法进行研究，引入计算机视觉技术和深度学习技术来实现。大量学者使用深度学习模型识别经济林果的生长状态，实现了较高的精度，但深度学习模型结构复杂，参数量大，难以满足实时性要求，且边缘计算硬本文档来自技高网...

【技术保护点】

1.基于PKD-YOLO的一种轻量级经济林果生长状态识别方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的基于PKD-YOLO的一种轻量级经济林果生长状态识别方法，其特征在于，所述S1中制定经济林果生长状态观测标准的方法为：苹果树、梨树、樱桃树属于木本植物，苹果和梨属仁果类，樱桃属核果类，仁果类与核果类花期略有不同，因此将苹果的生长状态分为萌芽期、展叶期、初花期、盛花期、落花期、幼果期、果实膨大期、果实成熟期八个阶段；将梨的生长状态分为芽膨大期、芽开放期、初花期、盛花期、落花期、幼果期、果实膨大期、果实成熟期八个阶段；樱桃生长状态分为萌芽期、露萼期、露瓣期、初花期、盛...

【技术特征摘要】

1.基于pkd-yolo的一种轻量级经济林果生长状态识别方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的基于pkd-yolo的一种轻量级经济林果生长状态识别方法，其特征在于，所述s1中制定经济林果生长状态观测标准的方法为：苹果树、梨树、樱桃树属于木本植物，苹果和梨属仁果类，樱桃属核果类，仁果类与核果类花期略有不同，因此将苹果的生长状态分为萌芽期、展叶期、初花期、盛花期、落花期、幼果期、果实膨大期、果实成熟期八个阶段；将梨的生长状态分为芽膨大期、芽开放期、初花期、盛花期、落花期、幼果期、果实膨大期、果实成熟期八个阶段；樱桃生长状态分为萌芽期、露萼期、露瓣期、初花期、盛花期、落花期、坐果期、果实成熟期八个阶段。

3.根据权利要求1所述的基于pkd-yolo的一种轻量级经济林果生长状态识别方法，其特征在于，所述s2中的数据集包括自动采集数据集和人工采集数据集；

4.根据权利要求1所述的基于pkd-yolo的一种轻量级经济林果生长状态识别方法，其特征在于，所述s2中预处理的方法为：图片标注、数据增强以及划分，所述图片标注为使用labelimg软件进行标注，所述数据增强是对每张图片在旋转、添加高斯噪声、椒盐噪声、亮度变化几种方法中随机选择一种进行增强，按照8:1:1的比例将数...

【专利技术属性】
技术研发人员：李海芳，殷梦宇，高亚鹏，杨学良，王千山，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：