[发明专利]基于改进YOLOV3网络的水稻秧苗检测模型及其方法

权利要求书

1.一种基于改进YOLOV3网络的水稻秧苗检测模型，其特征是：包括有对输入的水稻秧苗图像进行多尺度特征提取以获得多尺度的秧苗特征图的特征提取模块、根据多尺度的秧苗特征图对水稻秧苗位置进行预测的多尺度预测模块；

所述多尺度预测模块包括有对多尺度的秧苗特征图进行融合构建处理以获得多尺度的融合特征图的多尺度融合特征构建模块、根据融合特征图中对应的融合特征对秧苗位置进行预测的多尺度秧苗位置预测模块。

2.根据权利要求1所述的基于改进YOLOV3网络的水稻秧苗检测模型，其特征是：所述特征提取模块包括有对输入的水稻秧苗图像依次进行倍率采样提取处理以分别得到52尺度秧苗特征图、26尺度秧苗特征图、13尺度秧苗特征图的52尺度特征提取子模块、26尺度特征提取子模块、13尺度特征提取子模块。

3.根据权利要求2所述的基于改进YOLOV3网络的水稻秧苗检测模型，其特征是：所述多尺度融合特征构建模块包括有对不同尺度的秧苗特征图进行融合处理的52尺度融合特征构建子模块、26尺度融合特征构建子模块、13尺度融合特征构建子模块。

4.根据权利要求3所述的基于改进YOLOV3网络的水稻秧苗检测模型，其特征是：所述52尺度特征提取子模块对52尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有52尺度秧苗特征的52尺度秧苗特征图；所述26尺度特征提取子模块对26尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有26尺度秧苗特征的26尺度秧苗特征图；所述13尺度特征提取子模块对为13尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有13尺度秧苗特征的13尺度秧苗特征图。

5.一种基于改进YOLOV3网络的水稻秧苗检测模型的检测方法，其特征是，包括有以下步骤：

获得输入的水稻秧苗图像；

对水稻秧苗图像分别进行不同倍率下采样，通过特征提取模块获得52尺度秧苗特征图、26尺度秧苗特征图、13尺度秧苗特征图；

通过多尺度融合特征构建模块对获取的13尺度秧苗特征图、26尺度秧苗特征图、52尺度秧苗特征图依次进行特征融合以获得13尺度秧苗融合特征图、26尺度秧苗融合特征图、52尺度秧苗融合特征图；

通过多尺度秧苗位置预测模块依次对获得的13尺度秧苗融合特征图、26尺度秧苗融合特征图、52尺度秧苗融合特征图进行预测以获得13尺度秧苗预测结果、26尺度秧苗预测结果、52尺度秧苗预测结果。

6.根据权利要求5所述的基于改进YOLOV3网络的水稻秧苗检测方法，其特征是，特征提取模块进行特征提取的具体步骤如下：

对输入的水稻秧苗图像经过10个卷积层和3个残差层得到52尺度特征提取子模块的输入卷积层，通过52尺度特征提取子模块提取获得52尺度秧苗特征；

对52尺度特征提取子模块的输出层经过3*3/2*512的卷积核进行卷积得到26尺度特征提取子模块的输入卷积层，通过26尺度特征提取子模块提取获得26尺度秧苗特征；

对26尺度特征提取子模块的输出层经过3*3/2*512的卷积核进行卷积得到13尺度特征提取子模块的输入卷积层，通过13尺度特征提取子模块提取获得13尺度秧苗特征。