【技术实现步骤摘要】
本专利技术涉及图像检测 ，尤其涉及一种多尺度害虫种类的检测方法、装置及电子设备。
技术介绍
1、农业害虫的种类多、繁殖速度快，能够在较短的时间内对农作物造成重大危害，因此，害虫的监测预警工作显得尤为重要。而完成这些工作的前提是要对作物害虫进行及时、准确的检测与检测。
2、当前，基于深度学习的农业害虫检测方法，主要是针对小目标和高密度的图像特征进行了改进，检测的种类为少数的小目标害虫。但是农业害虫目标的特点不仅仅有尺度小、分布密集，而且还有种类多、类间尺寸差异大的情况。现有的针对害虫图像的检测方式，难以满足检测多尺度特征的害虫类型的需求。
技术实现思路
1、本专利技术提供一种多尺度害虫种类的检测方法、装置及电子设备，用以解决现有的针对害虫图像的检测方式，难以满足检测多尺度特征的害虫类型的需求的问题。
2、本专利技术提供一种多尺度害虫种类的检测方法，所述方法包括：
3、对采集的害虫图像进行预处理，以构建害虫图像数据集；
4、基于yolov8模型，...
【技术保护点】
1.一种多尺度害虫种类的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于， 在YOLOv8模型的网络架构的主干部分添加深度多尺度卷积模块，具体包括：
3.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于，所述基于YOLOv8模型，构建害虫图像检测模型，还包括：
4.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于，所述训练害虫图像检测模型，得到训练后的害虫图像检测模型，包括：
5.根据权利要求2所述的多尺度害虫种类的检测方法，其特征在于，所述深度多尺度卷积
【技术特征摘要】
1.一种多尺度害虫种类的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于， 在yolov8模型的网络架构的主干部分添加深度多尺度卷积模块，具体包括：
3.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于，所述基于yolov8模型，构建害虫图像检测模型，还包括：
4.根据权利要求1所述的多尺度害虫种类的检测方法，其特征在于，所述训练害虫图像检测模型，得到训练后的害虫图像检测模型，包括：
5.根据权利要求2所述的多尺度害虫种类的检测方法，其特征在于，所述深度多尺度卷积模块，具体用于：
6.根据权利要求1所述的方法，其特征在于，所述对...
【专利技术属性】
技术研发人员：李文勇，陈晓，孙传恒，杨信廷，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。