公开(公告)号：CN114972208B

公开(公告)日：2024-04-09

申请号：CN202210481291.5

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  蒋玲 ,  张正华 ,  李斌

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/766 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv4的轻量化小麦赤霉病检测方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集小麦病害图像，统一大小为750*750像素，并利用标注工具进行标注；然后输入到本发明设计的基于YOLOv4的轻量化架构进行训练，训练完毕后可以根据输入的小麦病害图像进行检测。所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络替换为Mobilenet网络，并在特征加强提取网络中加入注意力机制，更加专注于图像中的小麦病害，提高检测的准确率。本发明中小麦赤霉病检测的参数量得到大大简化，能够满足移动端和实时性的要求，拥有更快的检测速度。

公开(公告)号：CN114972208A

公开(公告)日：2022-08-30

申请号：CN202210481291.5

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  蒋玲 ,  张正华 ,  李斌

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/766 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv4的轻量化小麦赤霉病检测方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集小麦病害图像，统一大小为750*750像素，并利用标注工具进行标注；然后输入到本发明设计的基于YOLOv4的轻量化架构进行训练，训练完毕后可以根据输入的小麦病害图像进行检测。所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络替换为Mobilenet网络，并在特征加强提取网络中加入注意力机制，更加专注于图像中的小麦病害，提高检测的准确率。本发明中小麦赤霉病检测的参数量得到大大简化，能够满足移动端和实时性的要求，拥有更快的检测速度。