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：三亚中国农业科学院国家南繁研究院;中国农业科学院农业信息研究所

摘要：本发明提出了一种基于深度学习的作物病斑精准分割与危害程度评估模型，具体改进如下：设计了RFCBAMConv模块和C2f‑RFCBAMConv模块，分别取代BackBone网络中的Conv模块和C2f模块，进一步强调了作物病斑的细节特征，提升了模型分割的精度；设计了AWDownSample‑Lite模块，分别替换了Neck网络中C2f模块，该模块通过聚合了每个感受野内的特征信息，实现了病害特征的更有效提取；设计了GSegment分割头，用于替换YOLOv8‑Seg中由两个3×3卷积核组成的分割头，实现降低模型参数量和计算复杂度的同时，提升了模型对不同尺度病叶和病害的感知能力。

主权项：1.一种基于深度学习的作物病斑精准分割与危害程度评估模型，其特征在于，所述作物病斑精准分割与危害程度评估模型具体包括：输入层640*640的图像张量、Backbone网络结构、Neck网络结构和Head网络结构；其中，所述输入层加入马赛克数据增强模块；所述Backbone网络结构是YOLOv8-Seg的核心结构，由RFCBAMConv、C2f-RFCBAMConv、SPPF模块组成；所述Neck网络结构中加入AWDownSample-Lite模块，所述AWDownSample-Lite模块由AvgPool模块，GroupConv模块，SoftMax操作，Mul操作，Sum操作所构成；所述Head网络结构中加入GSegment模块，所述GSegment模块使用了两个3×3的GroupConv替换了YOLOv8-Seg中的3×3卷积核；所述输入层、Backbone网络结构、Neck网络结构和Head网络结构的运行逻辑关系为，数据处理：由输入层输入图像，后经过MobileSAM模块对输入图像进行预分割处理；Backbone网络结构从输入图像中提取特征：首先使用RFCBAMConv模块对输入图像进行初步特征提取，然后通过C2f-RFCBAMConv模块提取深层特征，输入图像再不断经过RFCBAMConv模块和C2f-RFCBAMConv模块，逐层提取更多的特征信息，在Backbone网络结构处理的最后阶段，使用SPPF模块进行空间金字塔池化，融合多尺度特征，生成最终的特征图；Neck网络结构对Backbone网络结构提取的特征进行进一步处理和融合：结合不同层次的特征，采用Concat和Upsample操作，对最终的特征图进行上采样和拼接操作，然后通过C2f模块进行特征融合，AWDownSample-Lite模块进行特征的下采样处理；Head网络结构负责将Neck网络结构处理完成的特征用于分割和评估：通过GSegment模块进行作物病斑的精准分割。

全文数据：

权利要求：

百度查询： 三亚中国农业科学院国家南繁研究院 中国农业科学院农业信息研究所 一种基于深度学习的作物病斑精准分割与危害程度评估模型