公开(公告)号：CN117475477A

公开(公告)日：2024-01-30

申请号：CN202311476906.6

申请日：2023-11-08

Applicant: 吉林农业大学

Inventor： 穆叶 ,  罗兰 ,  宫鹤 ,  郭颖 ,  李士军 ,  孙宇 ,  胡天立 ,  尤明慧 ,  刘占军

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06V20/70

Abstract: 本发明涉及一种虫子识别方法、电子设备及存储介质，其中，虫子识别方法包括：获取包含虫子的待识别图像；将待识别图像输入预设的虫子识别模型，以使虫子识别模型输出虫子识别结果；其中，虫子识别模型是基于改进的MobileVit3的YOLOv6模型，YOLOv6模型包括：骨干网络、颈部网络和头部网络，骨干网络为MobileVit3模型，用于提取待识别图像的图像特征，得到特征图像，颈部网络为RepGFPN网络，用于融合特征图像中的低级语义特征与高级语义特征，得到特征融合结果，头部网络用于基于特征融合结果输出检测结果。本申请实施例能够提升虫子识别的准确度，并减少计算资源的占用。

公开(公告)号：CN117475227A

公开(公告)日：2024-01-30

申请号：CN202311476894.7

申请日：2023-11-08

Applicant: 吉林农业大学

Inventor： 宫鹤 ,  郭婕 ,  胡天立 ,  穆叶 ,  郭颖 ,  孙宇 ,  尤明慧 ,  李士军 ,  刘占军

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明涉及一种水稻害虫图像分类方法、装置、电子设备及存储介质，其中，方法包括：采集多种水稻害虫对应的图像数据集；将预处理后的多个图像数据集分别输入到一个改进的全卷积网络模型中，所述改进的全卷积网络模型引入长短跳跃机制；将改进的全卷积网络模型的输出结果输入到一个改进的密集连接网络模型中，所述改进的密集连接网络模型引入注意力机制；将所述改进的密集连接网络模型的输出结果作为水稻害虫的分类结果。本申请实施例能够降低人为干预和误差的可能性；提高分类精度，同时也增加了模型的鲁棒性，能够抵抗图像的噪声、模糊、遮挡等干扰；能够降低冗余信息的干扰，同时也提高了模型的解释性，能够可视化地展示模型的判断依据。