公开(公告)号：CN117422868A

公开(公告)日：2024-01-19

申请号：CN202311518341.3

申请日：2023-11-15

Applicant: 常州大学

Inventor： 徐伟悦 ,  陈伟 ,  沈聪 ,  杨如雪

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明涉及图像处理技术领域，尤其涉及基于YOLOv7‑tiny改进的小目标害虫检测方法，包括采集蚜虫图像；对蚜虫图像进行离线处理，并制作数据集；构建改进YOLOv7‑tiny网络模型，对YOLOv7‑tiny的主干网络进行轻量化设计；压缩颈部网络，与主干网络实现通道对齐；对中、小尺度特征层进行细粒度设计；对改进YOLOv7‑tiny网络模型进行训练。本发明改进后的YOLOv7‑tiny模型适用于相似性高的小目标识别；同时可以部署在低成本边缘设备上，最终实现对蚜虫检测系统的广泛应用，满足智慧农业、精准农业的需求。

公开(公告)号：CN119942530A

公开(公告)日：2025-05-06

申请号：CN202510014213.8

申请日：2025-01-06

Applicant: 常州大学

Inventor： 徐伟悦 ,  沈聪 ,  杨如雪 ,  何翔 ,  邹芸 ,  彭杨沂

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及基于改进深度学习的复杂背景下柑橘检测方法和系统，所述方法包括，采集果园中的复杂背景下柑橘图像，得到初始数据集；对初始数据集进行预处理，得到第一数据集；对第一数据集进行标注并进行格式转换，得到目标数据集；以YOLOv7‑tiny网络模型为深度学习基准模型构建改进的YOLOv7‑tiny网络模型作为柑橘检测网络模型；对柑橘检测网络模型进行训练和评估；获取柑橘检测网络模型的最优权重并对柑橘检测网络模型进行测试；通过柑橘检测模型得到测试结果并基于交并比IOU计算精确率和召回率进而判断检测的准确性。本发明的改进后的YOLOv7‑tiny网络模型能够有效检测中小型柑橘目标，提高了模型的检测精度和速度的同时兼顾了模型轻量化。

公开(公告)号：CN119445614A

公开(公告)日：2025-02-14

申请号：CN202411457714.5

申请日：2024-10-18

Applicant: 常州大学

Inventor： 徐伟悦 ,  杨如雪 ,  孙浩楠 ,  嵇天宇 ,  邹芸

IPC: G06V40/10 ,  G06V20/17 ,  G06V10/96 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及农田害虫实时检测技术领域，具体涉及一种基于无人机的农田害虫实时检测装置、方法及系统，装置包括无人机、飞控系统、遥控器、相机、相机遥控器、机载电脑、4G通讯模块和地面工作站，通过机载电脑实现现场实时图像处理，并通过4G通讯模块将检测结果即时传输至地面工作站，不仅确保了数据的实时性，还减少了害虫爆发时信息处理的滞后，避免了因信息延误造成的害虫扩散；方法基于改进的YOLOv10网络模型对害虫进行自动识别，通过在无人机的机载电脑上部署权重文件并进行实时检测，能够在飞行过程中直接处理图像，快速得出检测结果，避免了信息滞后，确保在害虫爆发时能够及时采取防治措施，从而减少农作物损失。

公开(公告)号：CN117853918A

公开(公告)日：2024-04-09

申请号：CN202410039910.4

申请日：2024-01-10

Applicant: 常州大学

Inventor： 张储 ,  徐伟悦 ,  杨如雪 ,  孙浩楠 ,  陈伟

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于优化后的RT‑DETR模型的红花目标检测方法和装置，包括：S1：基于采集到的红花的图像样本构建数据集；S2：对所述数据集中的图像样本包含的红花目标进行标注生成与所述图像样本对应的标注文件；S3：将所述数据集中的图像样本和与之对应的标注文件划分为训练集和测试集；S4：使用Inner‑IoU损失函数和OrthoBasicBlock模块优化RT‑DETR目标检测模型；S5：通过所述训练集中包含的图像样本和与之对应的标注文件训练优化后的RT‑DETR目标检测模型；S6：利用训练后的已优化的RT‑DETR目标检测模型对采集到的红花的图像样本进行检测。通过使用Inner‑IoU损失函数和OrthoBasicBlock模块优化RT‑DETR目标检测模型，提高模型收敛速度和检测精度，增强模型对目标的识别和定位能力。