[发明专利]一种基于剪裁YOLOv3-SPP3的柑橘木虱检测与识别方法

权利要求书

1.一种基于剪裁YOLOv3-SPP3的柑橘木虱检测与识别方法，其特征在于，包括如下步骤：

S1、采集农作物中柑橘木虱的图片数据；

S2、利用步骤S1获得的柑橘木虱的图片数据，使用LabelImg软件制作柑橘木虱训练数据集；

S3、使用k-means算法对步骤S2得到的柑橘木虱训练数据集的标注框进行聚类；

S4、在YOLOv3的骨干网络中加入三个空间金字塔池化模块，构成YOLOv3-SPP3网络模型；用步骤S3得到聚类得到的先验框替换YOLOv3-SPP3网络模型原始的先验框；

S5、采用步骤S2得到的柑橘木虱训练数据集对YOLOv3-SPP3网络模型进行稀疏训练、通道裁剪和层裁剪，然后对得到的YOLOv3-SPP3网络模型进行微调；模型稀疏训练、剪裁和微调的过程为：

S5.1、对YOLOv3-SPP3网络模型进行稀疏训练：

YOLOv3-SPP3网络模型中每个卷积层都有包含批量归一化层，因此采用批量归一化层中的缩放因子γ作为通道重要性指标，通过对缩放因子γ强加L1正则化来进行通道稀疏训练；

S5.2、对YOLOv3-SPP3网络模型进行通道裁剪和层裁剪：

YOLOv3-SPP3网络模型进行稀疏训练后，获得批量归一化层中缩放因子γ接近零值的模型；设计合适的全局阈值来确定特征通道是否被修剪，全局阈值被设置为所有γ的第n个百分位数以控制裁剪比例；

3)对剪裁后的YOLOv3-SPP3网络模型进行微调，使YOLOv3-SPP3网络模型尽可能地恢复原来的性能；

S6、把待检测的柑橘木虱图像输入经过步骤S5处理的YOLOv3-SPP3网络模型中，得到柑橘木虱检测结果。

2.根据权利要求1所述的方法，其特征在于，步骤S1的具体过程如下：

S1.1、从不同角度和距离采集农作物中关于柑橘木虱的视频；

S1.2、通过Opencv图像处理包把采集的柑橘木虱视频分解为图像序列，以获得柑橘木虱的图片数据。

3.根据权利要求1所述的方法，其特征在于，步骤S2的具体过程为：

使用LabelImg软件对步骤S1获得的柑橘木虱的图片数据进行手动标注，并且在标注时确保每只柑橘木虱都位于标注框的中心，生成的txt文件包含柑橘木虱的中心坐标及相对的宽和高。

4.根据权利要求1所述的方法，其特征在于，步骤S4的具体过程为：

S4.1、在YOLOv3模型中每个检测头的前第5和第6卷积层之间添加一个SPP模块，构成YOLOv3-SPP3网络模型；

S4.2、用步骤S3得到聚类得到的先验框替换YOLOv3-SPP3网络模型原始的先验框。