公开(公告)号：CN114841961B

公开(公告)日：2024-04-05

申请号：CN202210482581.1

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  龚张杰 ,  张正华 ,  王雅琦 ,  李斌

IPC: G06T7/00 ,  G06T7/73 ,  G06T3/4053 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/70 ,  G06T5/73 ,  G06T5/90 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了基于图像增强和改进YOLOv5的小麦赤霉病检测方法，属于图像超分辨率领域和病害检测领域。包括收集小麦赤霉病害图像；对收集的小麦赤霉病害图像通过数据增强对图像数量进行扩充；对病害图像进行YOLOv5格式的标注并标记病害类别，形成小麦赤霉病数据集；利用超分辨网络对图像进行预处理，提高分辨率；将原有主干网络替换为Swin‑Transformer网络，构建改进的YOLOv5的小麦赤霉病害检测模型；利用按比例划分的数据集对构建的小麦赤霉病检测模型进行训练和模型误差分析。本发明利用超分辨率和改进后的YOLOv5网络模型增强了小麦赤霉病检测模型对特征的提取，从而提高了小麦赤霉病检测的准确率，能够有效的适用于实际的大田环境检测。

公开(公告)号：CN114841961A

公开(公告)日：2022-08-02

申请号：CN202210482581.1

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  龚张杰 ,  张正华 ,  王雅琦 ,  李斌

IPC: G06T7/00 ,  G06T7/73 ,  G06T3/40 ,  G06T5/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于图像增强和改进YOLOv5的小麦赤霉病检测方法，属于图像超分辨率领域和病害检测领域。包括收集小麦赤霉病害图像；对收集的小麦赤霉病害图像通过数据增强对图像数量进行扩充；对病害图像进行YOLOv5格式的标注并标记病害类别，形成小麦赤霉病数据集；利用超分辨网络对图像进行预处理，提高分辨率；将原有主干网络替换为Swin‑Transformer网络，构建改进的YOLOv5的小麦赤霉病害检测模型；利用按比例划分的数据集对构建的小麦赤霉病检测模型进行训练和模型误差分析。本发明利用超分辨率和改进后的YOLOv5网络模型增强了小麦赤霉病检测模型对特征的提取，从而提高了小麦赤霉病检测的准确率，能够有效的适用于实际的大田环境检测。