公开(公告)号：CN114005029B

公开(公告)日：2024-04-23

申请号：CN202111222570.1

申请日：2021-10-20

Applicant: 华南农业大学

Inventor： 王卫星 ,  骆润玫 ,  胡凯 ,  刘伟康 ,  廖飞 ,  曹亚芃 ,  刘泽乾

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于改进yolov5网络的广佛手病虫害识别方法及系统，方法包括：获取广佛手病虫害图像，并进行标注，构建初始数据集；引入yolov5网络模型，并对yolov5网络模型的骨干网络和Neck模块进行改进；利用初始数据集对改进后的yolov5网络模型进行训练、验证和测试，得到最终的病虫害识别模型；对待检测图像进行预处理；判断待检测图像为晴天拍摄或雨天拍摄，若为雨天拍摄，则利用Attentive GAN算法对待检测图像进行处理；若为晴天拍摄，则不进行处理；基于病虫害识别模型对预处理后的待检测图像进行病虫害识别。本发明将改进的yolov5网络与Attentive GAN算法相结合，不仅能实现在雨天天气条件下对广佛手病虫害的识别，还能降低网络参数量和网络模型的大小，提高识别准确率。

公开(公告)号：CN114898359B

公开(公告)日：2024-04-30

申请号：CN202210307091.8

申请日：2022-03-25

Applicant: 华南农业大学

Inventor： 王卫星 ,  刘泽乾 ,  胡凯 ,  曹亚芃 ,  廖飞 ,  骆润玫

IPC: G06V20/68 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V10/32 ,  G06V10/22 ,  G06T7/00 ,  G06T3/60 ,  G06T3/40 ,  G06N3/0464 ,  G06T3/4053

Abstract: 本发明公开了一种基于改进EfficientDet的荔枝病虫害检测方法，针对实时场景下的图像复杂背景采用Mosaic数据增强方法，使模型学习更丰富的背景信息，且提升小目标的检测效果；采用更轻量化的改进骨干特征提取网络EfficientNetv2‑s，提升网络的训练速度；采用SPP模块进一步提取有用的特征信息；采用效果比BiFPN更好的纵向跨层特征融合网络PaFPN，提升模型的检测效果；采用CIoULoss提升模型的收敛速度和回归精度，采用DIoUnms非极大值抑制，减少对重叠目标的抑制。通过改进的EfficientDet目标检测模型，提供实时性更强，准确率更高的实时场景下荔枝病虫害的检测识别方法。

公开(公告)号：CN114219984B

公开(公告)日：2024-03-01

申请号：CN202111531381.2

申请日：2021-12-14

Applicant: 华南农业大学

Inventor： 王卫星 ,  胡凯 ,  骆润玫 ,  刘泽乾 ,  廖飞 ,  曹亚芃

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06T7/00 ,  G06T7/73 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进YOLOv3的微小病虫害检测系统及其方法，该系统包括：输入模块和改进YOLOv3模型；输入模块与改进YOLOv3模型相连，用于将图像输入至改进YOLOv3模型；改进YOLOv3模型中包括幻象模块、注意力模块、上下文增强模块CAM、小目标检测头和判断模块；该方法包括以下步骤：将待检测图像输入至训练好的改进YOLOv3网络模型中，通过改进YOLOv3网络模型判断图像上是否患有病症或出现虫害现象；本发明能够在自然条件下达到有效减少复杂背景造成误检的同时改善微小病虫害的检测和定位的效果，为后续的病虫害检测算法研究以及工

公开(公告)号：CN114219984A

公开(公告)日：2022-03-22

申请号：CN202111531381.2

申请日：2021-12-14

Applicant: 华南农业大学

Inventor： 王卫星 ,  胡凯 ,  骆润玫 ,  刘泽乾 ,  廖飞 ,  曹亚芃

IPC: G06V10/82 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06T7/00 ,  G06T7/73 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于改进YOLOv3的微小病虫害检测系统及其方法，该系统包括：输入模块和改进YOLOv3模型；输入模块与改进YOLOv3模型相连，用于将图像输入至改进YOLOv3模型；改进YOLOv3模型中包括幻象模块、注意力模块、上下文增强模块CAM、小目标检测头和判断模块；该方法包括以下步骤：将待检测图像输入至训练好的改进YOLOv3网络模型中，通过改进YOLOv3网络模型判断图像上是否患有病症或出现虫害现象；本发明能够在自然条件下达到有效减少复杂背景造成误检的同时改善微小病虫害的检测和定位的效果，为后续的病虫害检测算法研究以及工程应用提供新的思路。

公开(公告)号：CN114005029A

公开(公告)日：2022-02-01

申请号：CN202111222570.1

申请日：2021-10-20

Applicant: 华南农业大学

Inventor： 王卫星 ,  骆润玫 ,  胡凯 ,  刘伟康 ,  廖飞 ,  曹亚芃 ,  刘泽乾

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进yolov5网络的广佛手病虫害识别方法及系统，方法包括：获取广佛手病虫害图像，并进行标注，构建初始数据集；引入yolov5网络模型，并对yolov5网络模型的骨干网络和Neck模块进行改进；利用初始数据集对改进后的yolov5网络模型进行训练、验证和测试，得到最终的病虫害识别模型；对待检测图像进行预处理；判断待检测图像为晴天拍摄或雨天拍摄，若为雨天拍摄，则利用Attentive GAN算法对待检测图像进行处理；若为晴天拍摄，则不进行处理；基于病虫害识别模型对预处理后的待检测图像进行病虫害识别。本发明将改进的yolov5网络与Attentive GAN算法相结合，不仅能实现在雨天天气条件下对广佛手病虫害的识别，还能降低网络参数量和网络模型的大小，提高识别准确率。