【技术实现步骤摘要】
本专利技术涉及一种基于改进型yolov11的果树病虫害检测方法及装置，属于自动化机器学习。
技术介绍
1、果树作为全球广泛种植的重要果树之一，其产量和经济价值在农业产业中占据重要地位。然而，果树在生长过程中常受到多种病虫害的侵袭，这不仅影响果实的产量和质量，还给果农带来了巨大的经济损失。例如，果树蚜虫病、果树棉蚜病、果树灰腐病和果树黑星病等是果树种植过程中常见的病虫害，这些病虫害通常导致果实腐烂、叶片损伤，甚至影响整株树木的生长。根据研究表明，在非防区（即不预防病害及虫害的区域）每公顷产量实际损失率高达41.26%，这些病虫害不仅会降低果树的产量和品质，还会导致种植者在防治上投入大量的时间和成本。因此，及时、准确地检测和防治果树叶片上的病虫害具有非常重要的意义。
2、传统的病虫害检测主要依赖人工观察、无人机监测以及传感器技术等方法，这些方法不仅人力物力消耗成本大，应用场合受限，还容易受到环境因素的干扰，导致检测结果不准确。近年来，随着计算机视觉和深度学习技术的发展，基于图像处理的自动化病虫害检测方法在农业领域逐渐得到应用。相...
【技术保护点】
1.一种基于改进型YOLOv11的果树病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进型YOLOv11的果树病虫害检测方法，其特征在于，所述CSP-PMFEM模块的输入特征图经分割得到分割特征图，所述分割特征图依次经过卷积层和多个部分多尺度特征提取模块后与输入特征图拼接得到所述CSP-PMFEM模块的输出特征图；
3.根据权利要求2所述的基于改进型YOLOv11的果树病虫害检测方法，其特征在于，所述CSP-PMFEM模块的数据处理表达式包括如下：
4.根据权利要求1所述的基于改进型YOLOv11的果树病虫害检测方...
【技术特征摘要】
1.一种基于改进型yolov11的果树病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进型yolov11的果树病虫害检测方法，其特征在于，所述csp-pmfem模块的输入特征图经分割得到分割特征图，所述分割特征图依次经过卷积层和多个部分多尺度特征提取模块后与输入特征图拼接得到所述csp-pmfem模块的输出特征图；
3.根据权利要求2所述的基于改进型yolov11的果树病虫害检测方法，其特征在于，所述csp-pmfem模块的数据处理表达式包括如下：
4.根据权利要求1所述的基于改进型yolov11的果树病虫害检测方法，其特征在于，所述lkap模块包括第一卷积层，所述第一卷积层用于将输入特征图的通道数降至一半，其输出依次经过多个最大池化层，所述最大池化层用于从不同尺度上提取图像全局信息，每个所述最大池化层的输出与所述卷积层的输出进行通道拼接后得到多尺度特征组合，所述多尺度特征组合依次经大型分离卷积注意力模块、第二卷积层得到输出特征图，所述大型分离卷积注意力模块用于在空间域内扩展卷积感受野得到输出特征图，所述第二卷积层用于恢复特征图通道数。
5.根据权利要求4所述的基于改进...
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。