[发明专利]一种改进YOLOv3复杂棉田背景下棉花检测方法

权利要求书

1.一种基于改进YOLOv3复杂棉田背景下棉花检测方法，其特征在于：本方法包括以下步骤：

S1、将采集到的复杂棉田背景图像进行预处理，然后作为输入对象，对预处理后的复杂棉田背景图像进行特征提取，得到2倍、4倍、8倍、16倍和32倍下采样特征图；

S2、构建改进型YOLOv3模型，具体包括：

采用Darknet网络提取所述4倍、8倍、16倍和32倍下采样特征图R4、R3、R2和R1，相应上采样得到特征图R4_U、R3_U、R2_U和R1_U；

构建空间金字塔卷积模块SPC，将2倍下采样后得到的特征图，作为空间金字塔卷积模块的输入，得到特征增强后的特征图，将特征增强后的特征图分别进行下采样，得到对应的4倍、8倍、16倍下采样增强特征图P1、P2、P3；

将R2、R1_U、P3融合作为16倍下采样尺度的特征信息，将R3、R2_U、P2融合作为8倍下采样尺度的特征信息，将R4、R3_U、P1融合作为4倍下采样尺度的特征信息，利用增强的多尺度特征信息进行预测得到棉花目标的位置信息，作为改进型YOLOv3模型的输出；

S3、对改进型YOLOv3模型进行训练，直到达到预设条件；

S4、采用训练好的改进型YOLOv3模型，对复杂棉田图像中棉花实例进行检测与识别。

2.根据权利要求1所述的棉花检测方法，其特征在于：所述的预处理包括边缘填充和尺寸变换，将所有采集到的复杂棉田背景图像的分辨率调整为640×640。

3.根据权利要求1所述的棉花检测方法，其特征在于：所述的空间金字塔卷积模块SPC具体包括：

将S1中2倍下采样特征图F0作为输入；

通过route层对F0进行4个不同尺度局部特征信息的并行提取，得到多尺度局部特征信息图F1、F2、F3、F4；

将F0、F1、F2、F3、F4作为输入进行Concat操作，得到所述特征增强后的特征图。

4.根据权利要求3所述的棉花检测方法，其特征在于：所述的4个不同尺度局部特征信息的并行提取，具体分别使用大小为1×1、3×3、5×5、7×7的卷积核。

5.根据权利要求1所述的棉花检测方法，其特征在于：所述的S2中，以1个卷积块作为1个单元、以1个残差单元作为1组，进行改进型YOLOv3模型的轻量化操作。

6.根据权利要求1所述的棉花检测方法，其特征在于：所述的S3在训练过程中，采用Adam 算法对模型参数进行优化。

7.根据权利要求1所述的棉花检测方法，其特征在于：所述的S3采用flip镜像翻转图像增强的方式进行训练。

8.根据权利要求1或2所述的棉花检测方法，其特征在于：所述的复杂棉田背景图像进行预处理时，采用读取txt文件的方式访问标签。