[发明专利]一种柚子病虫害的快速识别方法

说明书

一种柚子病虫害的快速识别方法，包括如下步骤：收集各种柚子病虫害的图片，采用LabelImg对各图片中病虫害根据其类别进行标注，得到训练数据集和验证数据集；将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别。本发明通过采集可涵盖几乎所有类别的柚子病虫害图片作为训练预测模型的数据集，提高目标检测的实用性，采用YOLOv5网络模型达到快速识别和预测的目的，为预防病虫害提供技术支撑。

技术领域

本发明涉及目标检测技术领域，尤其涉及一种柚子病虫害的快速识别方法。

背景技术

农业病虫害是影响农业经济损害的重要因素之一，各种病虫害给农产品产量和品质带来恶劣的影响，因此做好病虫害的预防意义重大，而做好病虫害的预防，必须做好病虫害的预测和诊断。目前，大多数种植户对农作物病虫害的判别方法停留在传统的实地目测上，通过农作物的外观表面形态并结合个人的生产经验等进行判断，多依赖于个人经验，误差较大，且难以一一甄别。专家对于病虫害识别虽然具有丰富经验，但往往不能及时赶往现场，或者因有限的人力资源不能进行大型区域识别，容易导致误判和漏判。因此，如何有效、快捷地防治农作物病虫害，成为当前智慧农业必须考虑的问题。柚子是常见的水果之一，营养丰富，市场需求量大，但其在生长过程中也不可避免会遭受病虫害，常见的病虫害有螨类、蚧类、潜叶蛾类、炭疽病等，只有准确得知是何种病虫类型，才能对症下药，有助于果实的成长。

发明内容

本发明的目的是克服上述现有技术的缺点，提供一种实用性高、目标检测准确性好、可提高种植效益的基于YOLOv5的柚子病虫害的快速识别方法。

本发明是通过以下技术方案来实现的：

S1、收集柚子病虫害的图片，采用LabelImg对各图片中的病虫害根据其类别进行标注，构成数据集，将数据集按照一定的比例随机分为训练集和验证集；

S2、将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；

S3、将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别；

所述YOLOv5网络模型包括依次连接的输入端、Backbone骨干网络、Neck网络和Head输出端，所述S2步骤中将训练集和验证集中的图片输入YOLOv5网络模型进行模型训练的方法为：

S2-1、图片预处理：图片进入输入端，输入端对图片进行预处理，预处理包括Mosaic数据增强、自适应锚框计算和自适应图片缩放；

S2-2、特征提取：预处理后的图片进入Backbone骨干网络，进行特征提取后得到三个不同大小的特征图；

S2-3、特征融合：将S2-2步骤得到的三个不同大小的特征图输入Neck网络进行特征融合，得到三个尺度的特征图；

S2-4、预测输出：将S2-3步骤得到的三个尺度的特征图输入Head输出端，得到三个特征张量，由此得到预测框的位置、类别和置信度；在训练阶段，将预测框与真实框进行匹配得出正负样本，然后通过计算损失函数来调节权重参数，验证阶段采用加权非极大值抑制的方式筛选预测框，通过计算准确率、平均精度来不断优化模型参数。

进一步的，所述病虫害包括桔小实蝇、菜粉蝶、柑橘凤蝶幼虫、柑橘凤蝶、疮痂果、疮痂叶、溃疡果、潜叶蛾、砂皮病、黄斑病、蚧壳虫、铁锈虱、炭疽果、黑星病、脚腐病、膏药病、炭疽叶、煤烟病、蚜虫、黑刺粉虱、红蜘蛛。