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：中国农业大学

摘要：本发明公开了一种外来入侵物种的识别方法、装置、设备及介质，涉及图像识别技术领域，本发明通过在YOLOv5‑Lite网络模型的检测头head部分的第一个卷积层后引入一层CBAM注意力机制，使其更偏向于清晰地识别物种的边缘结构信息及识别被遮挡目标；同时引入C2f模块替换YOLOv5‑Lite网络模型的检测头head部分的P38‑small层级和P416‑medium层级中的C3模块，对小目标物种的细节信息和中等尺度的特征信息更为关注，使得能够更为清晰地分辨近缘物种内较小的特征差异，对于近缘物种的识别能力大幅提升；并采用目标物种和本地物种的图像数据集分别对改进后所形成的YOLOv5‑Lite‑s网络模型进行训练，以使训练后的网络模型能够清晰地揭示目标物种与本地物种之间的相似性和差异性，为外来入侵物种的监测工作提供帮助。

主权项：1.一种外来入侵物种的识别方法，其特征在于，包括以下步骤：分别获取目标物种和本地物种的图像数据集；构建YOLOv5-Lite网络模型，在YOLOv5-Lite网络模型的检测头head部分的第一个卷积层后引入一层CBAM注意力机制；将YOLOv5-Lite网络模型的检测头head部分的P38-small层级内的C3模块替换为C2f模块形成改进的P38-small层级；将YOLOv5-Lite网络模型的检测头head部分的P416-medium层级内的C3模块替换为C2f模块形成改进的P416-medium层级；将CBAM注意力机制与检测头head部分的第一个卷积层融合的部分、改进的P38-small层级及改进的P416-medium层级在YOLOv5-Lite网络模型的检测头head部分进行融合，形成改进后的检测头head；将包含改进后的检测头head的YOLOv5-Lite网络模型作为YOLOv5-Lite-s网络模型；以及分别采用目标物种和本地物种的图像数据集对YOLOv5-Lite-s网络模型进行训练，获得训练后的YOLOv5-Lite-s网络模型；将目标物种和本地物种的图像分别输入至训练后的YOLOv5-Lite-s网络模型中，利用训练后的YOLOv5-Lite-s网络模型内包含CBAM注意力机制的网络层分别对目标物种和本地物种的图像进行特征提取，分别得到目标物种和本地物种包含边缘结构特征及重叠结构特征的浅层特征图；利用训练后的YOLOv5-Lite-s网络模型内包含C2f模块层级的P38-small和P416-medium网络层对目标物种和本地物种的图像进行特征提取，分别得到目标物种和本地物种包含物种细节信息及尺度特征信息的深层特征图；利用YOLOv5-Lite-s网络模型的检测头head分别将目标物种和本地物种的浅层特征图和深层特征图内的特征元素加和，及进行图像化，分别获得目标物种和本地物种的识别图像；对比目标物种识别图像和本地物种识别图像，识别出目标物种图像中的外来入侵物种。

全文数据：

权利要求：

百度查询： 中国农业大学 一种外来入侵物种的识别方法、装置、设备及介质