公开(公告)号：CN116994243A

公开(公告)日：2023-11-03

申请号：CN202310944621.4

申请日：2023-07-31

Applicant: 安徽省农业科学院农业经济与信息研究所

Inventor： 钱蓉 ,  黄荣庆 ,  董伟 ,  朱静波 ,  程泽凯 ,  孔娟娟 ,  王忠培 ,  张舒

IPC: G06V20/68 ,  G06V10/26 ,  G06V10/32 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种轻量级农业害虫检测方法及系统。通过获取待检测图像，并对所述待检测虫害图像执行预处理操作；所述预处理操作包括图像尺寸处理为预定大小尺寸；对预处理后的待检测图像，基于轻量级农业害虫检测算法YOLOLite‑X算法模型执行农业害虫检测；输出农业害虫检测结果。相对于现有技术，构建了高精度的轻量级农业害虫检测算法YOLOLite‑X，SPD‑Conv方法主要采用简单的特征变换实现图像下采样，参数量和计算量远少于跨步卷积。

公开(公告)号：CN116994243B

公开(公告)日：2024-04-02

申请号：CN202310944621.4

申请日：2023-07-31

Applicant: 安徽省农业科学院农业经济与信息研究所

Inventor： 钱蓉 ,  黄荣庆 ,  董伟 ,  朱静波 ,  程泽凯 ,  孔娟娟 ,  王忠培 ,  张舒

IPC: G06V20/68 ,  G06V10/26 ,  G06V10/32 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种轻量级农业害虫检测方法及系统。通过获取待检测图像，并对所述待检测虫害图像执行预处理操作；所述预处理操作包括图像尺寸处理为预定大小尺寸；对预处理后的待检测图像，基于轻量级农业害虫检测算法YOLOLite‑X算法模型执行农业害虫检测；输出农业害虫检测结果。相对于现有技术，构建了高精度的轻量级农业害虫检测算法YOLOLite‑X，SPD‑Conv方法主要采用简单的特征变换实现图像下采样，参数量和计算量远少于跨步卷积。

公开(公告)号：CN115100148B

公开(公告)日：2023-05-30

申请号：CN202210733236.0

申请日：2022-06-23

Applicant: 安徽省农业科学院农业经济与信息研究所

Inventor： 钱蓉 ,  董伟 ,  朱静波 ,  孔娟娟 ,  王忠培 ,  张萌 ,  程泽凯 ,  黄荣庆

IPC: G06T7/00 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/50

公开(公告)号：CN115100148A

公开(公告)日：2022-09-23

申请号：CN202210733236.0

申请日：2022-06-23

Applicant: 安徽省农业科学院农业经济与信息研究所

Inventor： 钱蓉 ,  董伟 ,  朱静波 ,  孔娟娟 ,  王忠培 ,  张萌 ,  程泽凯 ,  黄荣庆

IPC: G06T7/00 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50

Abstract: 本发明提供了一种基于轻量型卷积神经网络的农作物害虫检测方法，通过以YOLO‑L ite模型为基础网络模型，将轻量型沙漏块并嵌入至所述YOLO‑L ite模型，将坐标注意力块分别嵌入经典残差块和轻量型沙漏块中，以生成YOLOLite‑CSG模型；其中，所述轻量型沙漏块包括分组卷积层和通道混洗层；获取待检测农作物图像，基于YOLOLite‑CSG模型对所述农作物图像执行害虫检测。通过基于轻量型卷积神经网络的农作物害虫检测模型YOLOL ite‑CSG，模型以YOLOv3为基础，并优化残差块数量和输出通道数，同时，采用k‑means++生成先验框，并替换部分残差块为轻量型沙漏块，最后引入坐标注意力机制，实现检测精度的大大提高，且参数量和计算量大幅下降，适合部署于农业环境中。