一种基于窗口注意力与MDPIoU的葡萄病害检测方法技术

本发明专利技术提供一种基于窗口注意力与MDPIoU的葡萄病害检测方法，属于计算机技术领域。所述的葡萄病害检测方法首先，构建葡萄典型病害数据集，并进行数据增强和标注；其次，为有效识别葡萄病害中的小目标以及缓解类被不平衡问题，引入窗口注意力模块；再次，将YOLOv8中的CIoU损失函数改进为带有focal loss的MDPIoU损失函数，并命名为WAMF‑YOLO，提升检测精度；最后，通过葡萄典型病害数据集验证模型的有效性。本发明专利技术能够有效解决类别不平衡问题，提高检测精度；在处理特征较为丰富的图像时，能够更加精准地识别和定位葡萄病害，显著提高目标检测的性能，为农业生产中的病害管理提供了强有力的技术支持。

【技术实现步骤摘要】

本专利技术属于计算机，涉及一种面向葡萄病害图像的目标检测方法，尤其是涉及一种基于窗口注意力与mdpiou的葡萄病害检测方法。

技术介绍

1、葡萄作为特色经济产业，在推动地方经济增长方面具有重要意义。然而，在葡萄种植过程中，病虫害防治的知识普及不全面且管理不当，导致葡萄易受到病虫害侵袭，从而影响产量和质量，造成严重经济损失。随着计算机技术的发展，深度学习广泛应用于图像识别和处理。在葡萄的种植过程中，利用人工智能可以实现快速、准确识别和分类病虫害，从而提高病虫害管理的效率，减少因延误防治而造成的损失。目前有一些工作在植物病虫害的检测中取得了一定的成果，孙丰刚等提出了基于改进yolov5s和迁移学习的苹果果实病害识别方法(孙丰刚,王云露,兰鹏,等.基于改进yolov5s和迁移学习的苹果果实病害识别方法[j].农业工程学报,2022,38(11):171-179.)，使用tr2作为检测头来增强模型对全局信息的获取能力，并在最后结合迁移学习使得收敛速度得到提升，但此方法只适用于数据质量较高且类别区分明显的植物病虫害检测，如何应对质量较差的数据和区分性状相似的病虫害依本文档来自技高网...

【技术保护点】

1.一种基于窗口注意力与MDPIoU的葡萄病害检测方法，其特征在于，所述的葡萄病害检测方法首先，构建葡萄典型病害数据集，并进行数据增强和标注；其次，为有效识别葡萄病害中的小目标以及缓解类被不平衡问题，引入窗口注意力模块；再次，将YOLOv8中的CIoU损失函数改进为带有focal loss的MDPIoU损失函数，并命名为WAMF-YOLO，提升检测精度；最后，通过葡萄典型病害数据集验证模型的有效性；具体包括以下步骤：

2.根据权利要求1所述的一种基于窗口注意力与MDPIoU的葡萄病害检测方法，其特征在于，所述的步骤1中，搜集的葡萄病虫害数据融合开源数据平台Plant Vill...

【技术特征摘要】

1.一种基于窗口注意力与mdpiou的葡萄病害检测方法，其特征在于，所述的葡萄病害检测方法首先，构建葡萄典型病害数据集，并进行数据增强和标注；其次，为有效识别葡萄病害中的小目标以及缓解类被不平衡问题，引入窗口注意力模块；再次，将yolov8中的ciou损失函数改进为带有focal loss的mdpiou损失函数，并命名为wamf-yolo，提升检测精度；最后，通过葡萄典型病害数据集验证模型的有效性；具体包括以下步骤：

2.根据权利要求1所述的一种基于窗口注意力与mdpiou的葡萄病害检测方法，其特征在于，所述的步骤1中，搜集的葡萄病虫害数据融合开源数据平台plant village的植物病害数据集中关于葡萄病害的部分图片、开源数据集idadp，包括五种典型的葡萄病害类别。

3.根据权利要求2所述的一种基于窗口注意力与mdpiou的葡萄病害检测方法，其特征在于，所述的步骤2，对搜集到的数据进行增强并标注，具体为：

4.根据权利要求3所述的一种基于窗口注意力与mdpiou的葡萄病害检测方法，其特征在于，所述的步骤3，对yolov...

【专利技术属性】
技术研发人员：钟芳明，于海泉，刘彤，张素华，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：