公开(公告)号：CN118521887A

公开(公告)日：2024-08-20

申请号：CN202410584497.X

申请日：2024-05-12

Applicant: 浙江农林大学

Inventor： 方凯 ,  王伟 ,  杨紫佳 ,  王丽娜 ,  袁俊超 ,  冯海林

IPC: G06V20/10 ,  G06V20/17 ,  G06V40/10 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种面向复杂干扰环境的无人机遥感图像松材线虫病识别模型构建方法及系统，构建原始松材线虫病数据集，经人工标注后划分为训练集、验证集和测试集，并制作干扰样本；构建YOLOv8‑RDD模型，将其主干网络中的Bottleneck模块替换为多级残差块ResNet2模块；在ResNet2模块中引入DPM特征增强模块，对ResNet2模块中传递的低频细节特征进行增强，并滤除高频噪声；在YOLOv8‑RDD模型的Neck网络中，将最邻近插值法替换为动态上采样算子DySample；利用训练集对YOLOv8‑RDD模型进行对抗训练后获得最佳权重，并将最佳权重用于测试集进行检测，得到具备抗干扰能力的松材线虫病识别模型。本发明真实反应无人机遥感图像在采集过程中可能遇到的大雾等干扰情况，运用YOLOv8‑RDD模型可以使无人机系统在复杂干扰环境下，依然保持较高的识别精度和鲁棒性。