[发明专利]一种基于改进EfficientDet的荔枝病虫害检测方法在审

专利信息
申请号: 202210307091.8 申请日: 2022-03-25
公开(公告)号: CN114898359A 公开(公告)日: 2022-08-12
发明(设计)人: 王卫星;刘泽凯;胡凯;曹亚芃;廖飞;骆润玫 申请(专利权)人: 华南农业大学
主分类号: G06V20/68 分类号: G06V20/68;G06V10/80;G06V10/774;G06V10/764;G06V10/40;G06V10/32;G06V10/22;G06T7/00;G06T3/60;G06T3/40;G06N3/04
代理公司: 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 代理人: 李冉
地址: 510642 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 改进 efficientdet 荔枝 病虫害 检测 方法
【权利要求书】:

1.一种基于改进EfficientDet的荔枝病虫害检测方法,其特征在于,包括以下具体步骤:

步骤1:获取原始荔枝病虫害图像并进行筛选;

步骤2:对经过筛选的荔枝病虫害图像进行人工数据标注生成标注文件,根据荔枝病虫害图像和标注文件构建数据集;

步骤3:根据预设批次图像数量分批获取数据集中的荔枝病虫害图像,将获取的荔枝病虫害图像变换为预设尺寸,再依次进行预处理增强和Mosaic增强,获得增强数据图像;

步骤4:将所述增强数据图像和经过筛选的荔枝病虫害图像作为训练集输入模型中进行训练,获得训练后的改进EfficientDet检测模型;

步骤41:将所述增强数据图像和经过筛选的荔枝病虫害图像输入到改进骨干特征提取网络进行特征提取,获得待融合特征图;所述改进骨干特征提取网络引入Fused MBConv卷积模块和MBConv卷积模块,并在网络末端增加SPP模块;

步骤42:将提取的所述待融合特征图经过PaFPN特征融合网络进行特征融合,获得融合特征;

步骤43:将所述融合特征输入到检测器中,获得预测结果;

步骤44:根据预测结果计算损失和梯度,更新权重,对预测结果进行非极大值抑制,获得改进EfficientDet检测模型;

步骤5:将采集的待检测实际场景图像输入所述改进EfficientDet检测模型中,获得检测结果。

2.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法,其特征在于,步骤1中采用移动手机和/或高清摄像头采集荔枝病害病斑、虫害以及虫害留下的病斑图像,获得原始荔枝病虫害图像;对所述移动手机采集的图像进行内存压缩处理。

3.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法,其特征在于,步骤2中,对荔枝病虫害图像进行人工数据标注的工具采用LabelImg,并采用VOC数据标注格式,将后缀为xml的标注文件存放于annotations文件夹;将所有荔枝病虫害图像和对应的所有标注文件进行划分获得数据集,数据集包括训练集、验证集和测试集,其中训练集、验证集、测试集的划分比例为8:1:1。

4.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法,其特征在于,步骤3中,预设尺寸为1024×1024;对荔枝病虫害图像进行的预处理增强包括镜像、90度翻转、色域变换和噪声添加,获得新图像,同时对人工数据标注的原标注信息进行相应转换获得新图像对应的新标注信息。

5.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法,其特征在于,步骤3中,所述Mosaic数据增强具体过程包括:

步骤31:采用像素点填充法生成预设尺寸两倍的像素矩;

步骤32:读取到数据集中一张所述荔枝病虫害图像后,从数据集中随机选取另外三张图像,对四张图像分别进行随机的尺寸缩放、色域变换和翻转的图像操作,将图像操作后的四张图像按照像素矩的四个角进行对齐摆放,对图像中重叠部分截取删除生成复合图像,再将复合图像变换为预设尺寸的新复合图像;

步骤33:将新复合图像包含的四张图像对应的标注坐标进行转换,生成与新复合图像相对应的新标注信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南农业大学,未经华南农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210307091.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top