一种桑树病虫害智能检测识别系统及方法技术方案

本发明专利技术涉及图像识别模型领域，具体公开了一种桑树病虫害智能检测识别系统，包括：视频采集模块，用于实时采集桑树病虫害的图像数据；图像处理模块，用于对采集的图像数据进行预处理；虫害特征提取模块，用于从预处理后的图像中提取虫害的特征；病害特征提取模块，用于从预处理后的图像中提取病害的特征；检测模型模块，用于根据提取的特征识别病虫害；数据管理模块，用于存储和管理检测结果。能够提高桑树病虫害检测的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及图像识别模型领域，特别涉及一种桑树病虫害智能检测识别系统及方法。

技术介绍

1、在桑树病虫害检测与防治领域，随着科技的发展，利用人工智能技术进行桑树病虫害的检测与防治逐渐受到关注。然而，在实际应用中存在诸多问题。

2、目前桑树领域的病虫害数据集十分有限，导致模型训练缺乏充足的数据样本。同时，许多桑树害虫由于自身尺寸小或拍摄距离等因素，在图像中呈现为小目标状态，这使得传统检测方法容易出现误检漏检。此外，桑树病害通常出现在真实生产场景中，光线、天气等复杂背景会对病害检测造成严重干扰，降低检测准确率。在针对桑树小目标害虫检测方面，小目标害虫本身能提取的有用特征有限，且随着网络层数深入，其特征在下采样过程中逐渐丢失，导致检测精度低下。对于桑树病害检测，复杂多变的背景条件常导致检测叶片病害出错，进而影响防治措施的准确性。

3、因此，为解决上述问题，提高桑树病虫害检测的准确性和效率，本专利技术提出了一种桑树病虫害智能检测识别系统及方法。

技术实现思路

1、本专利技术提供了一种桑树病虫本文档来自技高网...

【技术保护点】

1.一种桑树病虫害智能检测识别系统，其特征在于：包括：

2.根据权利要求1所述的一种桑树病虫害智能检测识别系统，其特征在于：虫害特征提取模块包括Backbone单元、Neck单元和Head单元；所述Backbone单元用于提取图像特征，包括SCER模组，SCER模组包括Focus+SPD子模块、C3-ECA子模块和RFEM子模块；Neck单元用于融合特征，包括ssFPN单元和ODConv单元，所述ssFPN单元用于将特征金字塔中每层特征图视为视频中的每一帧进行Concat拼接，然后输入到3D卷积中；所述ODConv单元用于用于引入全维度动态卷积，通过多维注意力机制从四个维度进...

【技术特征摘要】

1.一种桑树病虫害智能检测识别系统，其特征在于：包括：

2.根据权利要求1所述的一种桑树病虫害智能检测识别系统，其特征在于：虫害特征提取模块包括backbone单元、neck单元和head单元；所述backbone单元用于提取图像特征，包括scer模组，scer模组包括focus+spd子模块、c3-eca子模块和rfem子模块；neck单元用于融合特征，包括ssfpn单元和odconv单元，所述ssfpn单元用于将特征金字塔中每层特征图视为视频中的每一帧进行concat拼接，然后输入到3d卷积中；所述odconv单元用于用于引入全维度动态卷积，通过多维注意力机制从四个维度进行学习；head单元用于检测和识别虫害类型。

3.根据权利要求2所述的一种桑树病虫害智能检测识别系统，其特征在于：所述focus+spd子模块用于将主干网络第0层的卷积层替换为focus结构，并在每个卷积层后面加入spd模块。

4.根据权利要求3所述的一种桑树病虫害智能检测识别系统，其特征在于：所述c3-eca子模块为在c3模块中加入eca注意力机制，学习每个卷积块的通道注意力。

5.根据权利要求4所述的一种桑树病虫害智能检测识别系统及方法，其特征在于：所述rfem子模块在sppf...

【专利技术属性】
技术研发人员：张自力，谢一豪，杜健铭，
申请(专利权)人：西南大学，
类型：发明
国别省市：