基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法技术

本发明专利技术提供一种基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法，通过实地拍摄获取原始图像，并运用数据增强技术进行数据扩增，以及采用标注工具labelImg实现边界框标注，形成训练数据集；构建茶叶病虫害的网络模型，对YOLOv11n原有的模型结构进行改进，使用MSDAF模块对Head模块进行改进；改进损失函数；使用训练集和测试集对网络架构进行端到端训练，并调整超参数；使用训练好的网络模型对茶叶病斑区域进行实地检测。本发明专利技术基于YOLOv11目标检测算法提出了一种新的茶叶病虫害检测算法，能够有效提升复杂环境下茶叶病虫害检测的平均精度。

【技术实现步骤摘要】

本专利技术属于计算机视觉与农业智能化交叉领域，尤其涉及一种基于改进yolov11模型的复杂环境下茶叶病虫害检测方法。

技术介绍

1、茶叶是重要的经济作物，其病虫害防治一直是茶园进行生态管理中的难题，严重影响着茶叶的品质与产量。由于现有的人工防治茶叶病虫害需要通过人的肉眼观察茶树叶片表面的病虫害特征来实现对病虫害种类的鉴别，存在着识别困难、低效等问题，无法实现现代化茶园的高效生态管理。因此，实现茶叶病虫害检测很有必要。

2、近年来，针对茶叶病虫害进行目标检测方法的研究也是推陈出新。

3、如现有公开号为(cn119206521a)的中国专利，其提出一种基于深度学习的茶叶病虫害检测方法，通过rgb与红外双传感器协同采集茶叶多光谱图像数据，利用计划感知失真模板对低比特图像进行自适应像素偏移处理，通过量化器生成多描述特征以增强图像表征，输入选择性状态空间模型来训练和优化，进而对茶叶病虫害进行检测，判断病虫害的类别。该现有技术的缺陷是传统cnn架构在复杂背景(枝叶遮挡、土壤斑驳)下难以捕捉长距离空间关联，多光谱数据融合存在对齐误差与噪声干扰。<本文档来自技高网...

【技术保护点】

1.基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法，其特征在于，S2包括：

3.根据权利要求2所述的基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法，其特征在于，S2中空间注意力路径：改进空洞卷积金字塔ASPP，采用空洞卷积捕获不同尺度的病斑边缘与纹理特征，输出特征融合公式如下：

4.根据权利要求3所述的基于改进YOLOv11模型的复杂环境下茶叶病虫害检测方法，其特征在于，S2中通道注意力路径：结合全局平均池化GAP与全局最大...

【技术特征摘要】

1.基于改进yolov11模型的复杂环境下茶叶病虫害检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进yolov11模型的复杂环境下茶叶病虫害检测方法，其特征在于，s2包括：

3.根据权利要求2所述的基于改进yolov11模型的复杂环境下茶叶病虫害检测方法，其特征在于，s2中空间注意力路径：改进空洞卷积金字塔aspp，采用空洞卷积捕获不同尺度的病斑边缘与纹理特征，输出特征融合公式如下：

4.根据权利要求3所述的基于改进yolov11模型的复杂环...

【专利技术属性】
技术研发人员：张鹏超，曾昆峰，王磊，胡波，张智军，
申请(专利权)人：陕西理工大学，
类型：发明
国别省市：