[发明专利]基于改进型YOLOX的农作物病虫害识别方法、系统及存储介质

权利要求书

1.一种基于改进型YOLOX的农作物病虫害识别方法，其特征在于，包含以下步骤：

接收来自传感单元的图片，使用预设的CSPDarknet主干特征提取网络对所述图片进行提取处理，获取三个有效特征层，所述提取处理包括对图片像素的切片计算、通道数扩宽、图像的宽高压缩以及特征融合；

使用FPN加强特征提取网络对三个所述有效特征层进行加强处理，获取与所述有效特征层相对应的加强特征的shape层，所述加强处理包括特征处理与特征层堆叠；

通过YOLO head预测网络对所述shape层进行预测和分析，生成识别结果，所述识别结果用于对象标记。

2.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法，其特征在于，所述CSPDarknet主干特征提取网络包括残差网络Residual、CSPnet网络结构、Foucus网络、SiLU激活函数以及SPP结构；

所述残差网络Residual的主干部分用于执行一次1*1和一次3*3的卷积，残差边部分不做处理，结合主干部分的输入输出；

所述CSPnet网络结构用于将内部叠加的残差卷积块划分为分别继续在函数内部叠加以及直接与网络最后连接的两个部分；

所述Foucus网络用于对所述图片进行切片计算，以获得多个独立的特征层，并对所述特征层进行叠加，以将图像的宽高信息集中到通道信息，将输入通道扩充相应倍数；

所述SiLU激活函数在网络结构中不具有上边界与下边界，因此特性显示更加平滑与不单调；

所述SPP结构通过不同池化核大小的最大池化进行特征提取。

3.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法，其特征在于，所述FPN包括上采样与特征结合、CSPlayer特征提取与下采样与特征结合三个功能模块，使用FPN加强特征提取网络对三个所述有效特征层进行处理的步骤主要包括：

对所述有效特征层进行所述上采样与特征层结合然后使用CSPLayer进行特征提取；

对所述有效特征层进行所述下采样与特征层结合然后使用CSPLayer进行特征提取。

4.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法，其特征在于，所述YOLO head预测网络包括Reg、Obj与Cls三个功能模块；

所述Reg用于判断每一个特征点的回归参数；

所述Obj用于判断每一个所述特征点是否包含物体；

所述Cls用于判断每一个所述特征点所包含的物体种类。

5.根据权利要求4所述的基于改进型YOLOX的农作物病虫害识别方法，其特征在于，所述通过YOLO head预测网络对所述shape层进行预测和分析的步骤具体包括：

通过Obj判断每个所述特征点是否包含物体，并通过Cls对所述特征点的种类进行预测，最终由Reg对每个所述特征点的回归系数进行判断，以获得识别结果。

6.一种基于改进型YOLOX的农作物病虫害识别系统，其特征在于，包括：

主干特征提取模块，用于接收来自传感单元的图片，使用预设的CSPDarknet主干特征提取网络对所述图片进行提取处理，获取三个有效特征层，所述提取处理包括对图片像素的切片计算、通道数扩宽、图像的宽高压缩以及特征融合；

加强特征提取模块，用于使用FPN加强特征提取网络对三个所述有效特征层进行加强处理，获取与所述有效特征层相对应的加强特征的shape层，所述加强处理包括特征处理与特征层堆叠；

对象预测模块，用于通过YOLO head预测网络对所述shape层进行预测和分析，生成识别结果，所述识别结果用于对象标记。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时，能够实现上述权利要求1-5任一项所述的农作物病虫害识别方法。