买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南农业大学

摘要：本发明公开了一种基于YOLOv5网络的荔枝蒂蛀虫羽化率检测方法，包括：采集大量包含荔枝蒂蛀虫成虫和荔枝蒂蛀虫虫茧的图像，构建数据集；所述图像包含成虫和或虫茧的标注；所述数据集根据预设比例分为训练集和验证集；对训练集进行聚类分析，确定目标值分布；构建改进的YOLOv5模型；进行迁移训练，采用验证集对其进行验证，得到训练权重w的检测模型；将待检测的图像输入到权重为w的检测模型中，根据权重识别蒂蛀虫的生长阶段及数量；计算出蒂蛀虫羽化率。该方法可对待识别图像中所包含的成虫、虫茧及对应的数量进行准确的识别，进而可计算得出蒂蛀虫羽化率。有效减少了人力物力消耗，提高了检测准确率。

主权项：1.一种基于YOLOv5网络的荔枝蒂蛀虫羽化率检测方法，其特征在于，包括：采集大量包含荔枝蒂蛀虫成虫和荔枝蒂蛀虫虫茧的图像，构建数据集；所述图像包含成虫和或虫茧的标注；所述数据集根据预设比例分为训练集和验证集；对所述训练集进行聚类分析，确定目标值分布；构建改进的YOLOv5模型；以所述训练集的样本图像作为输入，以对应的样本图像中成虫和或虫茧的识别结果作为输出，对所述改进的YOLOv5模型进行迁移训练，采用验证集对其进行验证，得到训练权重w的检测模型；将待检测的图像输入到权重为w的检测模型中，根据权重识别蒂蛀虫的生长阶段及数量；根据蒂蛀虫的生长阶段所包含的成虫、虫茧及对应的数量，计算出蒂蛀虫羽化率；其中，构建改进的YOLOv5模型，包括：构建YOLOv5模型，所述YOLOv5模型包括主干网络，颈部网络与预测网络；所述主干网络包括Focus模块、CBS模块、C3模块和SPPF模块；所述颈部网络包括CBS模块、C3模块和PaNet模块；所述预测网络包含检测头；所述主干网络与颈部网络的C3模块均由支路1与支路2组成，支路1包含卷积层、批归一层与SiLU激活函数，支路2包含卷积层、批归一层、SiLU激活函数与若干个Bottleneck结构；修改所述颈部网络中的部分C3模块，在末尾加入SE模块；修改所述主干网络、颈部网络与预测网络，增加一个预测网络输出；具体包括：在所述主干网络中第六层后增加一输出层数为768的卷积层与C3层；在多尺度融合网络PANet中，增加一个输出尺度，原本3个尺度为8，16，32；现4个尺度为8，16，32，64；并增加对应检测头；所述SE模块的运行过程包括：根据模型通道之间的相互依赖性，对于输入特征图x，SE模块首先对x进行压缩操作，使用全局池化层与全连接结构，将H×W×C的输入转化为1×1×C大小的特征图，H、W、C分别为输入特征图x的高、宽以及通道数，作为通道级的全局特征z，z的第c个元素计算公式如下： 式中：xc为x第c个通道的特征，c∈[1,2,...C]，H、W为xc的高与宽，xci,j为xc上纵坐标为i、横坐标为j处的特征值；采用预设运算方式来抓取channel之间的关系，所述预设运算方式包含两个全连接层的bottleneck结构；将学习到的各个channel的激活值s乘以特征图x上的原始特征；对所述改进的YOLOv5模型进行迁移训练，采用验证集对其进行验证，得到训练权重w的检测模型；包括：采用GIOU_loss作为boundingbox损失函数，BECLogits作为objectnessscore损失函数，BCEclsloss作为classprobabilityscore损失函数；三个损失函数值相加作为总损失函数值，当模型损失曲线波动接近于0时，停止训练，采用验证集对其进行验证；当验证结果满足预设条件时，获得此时对应的训练权重w，否则继续训练。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于YOLOv5网络的荔枝蒂蛀虫羽化率检测方法