龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开一种基于YOLOv7‑SV的农作物害虫幼虫检测方法，涉及目标检测技术领域。包括如下步骤：1）对不同农作物害虫幼虫图像进行分类和标注，构建数据集；2）将数据集划分为训练集和测试集；3）构建YOLOv7‑SV网络模型：构建SGNet轻量级网络，将其作为YOLOv7骨干网络，用VoVGSCSP替换头部E‑ELAN模块，并基于MPDIoU优化损失函数；4）训练YOLOV7‑SV模型，得到最优模型权重；5）加载最优模型权重，输入农作物害虫幼虫图像，得到最终检测结果。本发明所构建的网络模型能有效减少参数量和计算量，实现更快的收敛速度和更准确的回归结果，为农作物害虫幼虫的检测提供有效技术方案。
主权项：1.一种基于YOLOv7-SV的农作物害虫幼虫检测方法，其特征在于，包括以下步骤：步骤1，构建农作物害虫幼虫数据集：采集图像，并通过数据增强方法扩充样本，对不同幼虫图像进行分类和标注，构建多种类农作物害虫幼虫数据集；步骤2，划分农作物害虫幼虫数据集：将农作物害虫幼虫数据集划分为训练集和测试集；步骤3，构建YOLOv7-SV农作物害虫幼虫检测网络模型：3a构建SGNet轻量级网络；3b将SGNet轻量级网络替换YOLOv7骨干网络，降低模型计算量；3c将YOLOv7模型头部E-ELAN模块替换为VoVGSCSP模块，降低模型复杂度；3d采用MPDIoU优化原有损失函数；步骤4，训练YOLOv7-SV网络模型：将训练集图像输入到YOLOv7-SV网络中，利用随机梯度下降SGD，对网络的参数进行迭代更新，直到损失函数收敛为止；步骤5，基于YOLOv7-SV模型的农作物害虫幼虫检测：将待检测图片输入到已训练好的YOLOv7-SV网络模型中，得到检测结果，包括幼虫的位置、类别和置信度。
全文数据：
权利要求：
百度查询： 桂林理工大学 一种基于YOLOv7-SV的农作物害虫幼虫检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号