一种轻量级上下文特征自适应害虫检测方法及装置制造方法及图纸

本发明专利技术公开了一种轻量级上下文特征自适应害虫检测方法及装置，方法包括：采集棉花害虫图像数据并进行标注，获取标注后的害虫数据集；对害虫数据集进行图像数据增强；利用CDB模块改进YOLOv8n的骨干网络，用于从增强数据中提取深层特征；将提取的深层特征经YOLOv8n颈部网络进行多尺度融合后，输送至检测头执行检测；在YOLOv8n颈部网络中，采用DFANet动态频率自适应网络与CBAM注意力机制对C2f结构加以改进，构建出新型的C2fDFA颈部子模块；YOLOv8n骨干网络将提取的特征输入到YOLOv8n颈部网络，颈部网络对特征进行融合，最终将融合后的特征输入至重构的检测头进行检测；基于重构的检测头捕捉害虫边缘特征，对融合后的特征进行检测，最终输出每类害虫的检测结果。

【技术实现步骤摘要】

本专利技术涉及棉田害虫检测领域，尤其涉及一种轻量级上下文特征自适应害虫检测方法及装置。

技术介绍

1、害虫对农作物的侵害严重威胁粮食安全与农业可持续发展。早期田间害虫监测主要依靠昆虫专家或技术人员人工检测，受环境因素干扰大且效率低下。随着人工智能技术的快速发展，深度学习为害虫检测提供了新的解决方法。该技术通过对图像数据的学习，能够自动提取关键特征，大幅提升害虫检测的精度与速度。在复杂多变的田间环境中，深度学习技术可快速、精准地检测与分类害虫种类，为农业管理者提供实时监测数据，助力其及时制定防控策略，有效降低作物损失。

2、目前，虽然深度学习算法已广泛应用于害虫检测领域，但仍然存在一些问题。农业害虫的特点不仅是体积小，而且密度高、种类繁多。目前大多数都是采用目标检测算法，不适合检测微小目标。也有一些学者采用基于注意力机制的方法，这些方法的设计初衷是帮助模型在复杂背景下更好地检测害虫。

3、然而，由于农田环境的复杂性，单一的注意力机制对害虫特征的增强效果仍然有限。目前尚未提出有效的算法去解决密集而小的作物害虫检测的任务。

...

【技术保护点】

1.一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述利用CDB模块改进YOLOv8n的骨干网络具体为：

3.根据权利要求1所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述C2fDFA颈部子模块包括：DFANet，所述DFANet的主干由两个关键模块组成：Hlff(·)Block和Dms(·)Block。

4.根据根据权利要求3所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述Hlff(·)Block为：>

5.根据权利...

【技术特征摘要】

1.一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述利用cdb模块改进yolov8n的骨干网络具体为：

3.根据权利要求1所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述c2fdfa颈部子模块包括：dfanet，所述dfanet的主干由两个关键模块组成：hlff(·)block和dms(·)block。

4.根据根据权利要求3所述的一种轻量级上下文特征自适应害虫检测方法，其特征在于，所述hlff(·)block为：

5.根据权利要求3所述的一种轻量级上下文特征自适应害虫检测方法...

【专利技术属性】
技术研发人员：贾振红，王洋，乐舞，黄俊豪，陈国洪，李俊杰，周刚，王佳佳，
申请(专利权)人：新疆空天地一体化实验室技术有限公司，
类型：发明
国别省市：