公开(公告)号：CN119741731A

公开(公告)日：2025-04-01

申请号：CN202411596613.6

申请日：2024-11-11

Applicant: 淮阴工学院

Inventor： 杨彬莹 ,  刘步实 ,  陈伯伦 ,  朱文婕 ,  田轩宁 ,  单栋珏 ,  毛嘉伟 ,  曹宵 ,  张慧娴

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于MDCA和FFEM特征融合的害虫检测方法和系统，方法包括：收集包含害虫目标的图片，建立数据集，并将数据集划分为训练集、测试集和验证集；基于YOLOV8n网络进行改进，建立害虫检测模型；所述改进包括使用MDCA模块替换原有的C2f模块，用于通过不同卷积步长的深度可分离卷积来减少模型参数量的同时扩大感受野，使用FFEM特征融合网络替换原有的SPPF模块，用于增强对不同模型的识别能力，减少参数和计算量；使用训练集和测试集对所述害虫检测模型进行训练，利用训练好的害虫检测模型检测害虫目标；本发能够在提高参数利用率的同时提供多尺度的特征提取、增强的特征融合，提高计算效率以及增强模型的鲁棒性，优化了对害虫的识别准确度和精度。

公开(公告)号：CN119741730A

公开(公告)日：2025-04-01

申请号：CN202411596605.1

申请日：2024-11-11

Applicant: 淮阴工学院

Inventor： 杨彬莹 ,  刘步实 ,  陈伯伦 ,  孟宪淳 ,  田轩宁 ,  单栋珏 ,  毛嘉伟 ,  曹宵 ,  张慧娴

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于DiverseC2f和LDConv特征提取的害虫检测方法和系统，方法包括：收集包含害虫目标的图片，制作数据集，并将数据集划分为训练集、测试集和验证集；基于YOLOv8网络进行改进，建立害虫检测模型；所述改进包括，将YOLOv8网络中的C2f模块替换为DiverseC2f模块，用于通过融合多样的分支结构增强了卷积层的特征表达；在YOLOv8网络的CBS模块替换为LDConv特征提取模，用于完成不规则卷积特征提取过程；使用训练集和测试集对所述害虫检测模型进行训练，利用训练好的害虫检测模型检测害虫目标；本发明能够在增强的特征表达能力的同时高效地进行特征提取，使模型适应于害虫的不同形态和姿态，从而提高检测的鲁棒性，提升了对害虫的识别准确度和精度。

公开(公告)号：CN119723323A

公开(公告)日：2025-03-28

申请号：CN202411566771.7

申请日：2024-11-05

Applicant: 淮阴工学院

Inventor： 杨彬莹 ,  刘步实 ,  陈伯伦 ,  常恺露 ,  田轩宁 ,  单栋珏 ,  朱文婕 ,  孟宪淳

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06V10/52 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种水稻病虫害检测方法及系统，将获取的水稻图片输入到训练好的检测模型中，得到水稻图片中水稻病虫害的类别信息和位置信息；检测模型为YOLOv8n模型，利用Optimize SPPF模块替换YOLOv8n中的SPPF模块，利用C2f‑faster模块替换YOLOv8n中的C2f模块；所述Optimize SPPF为在SPPF模块的第二个池化层后连接卷积单元，与SPPF模块的输出融合后得到Optimize SPPF模块的输出；所述C2f‑faster模块为将C2f模块的Bottleneck替换为FasterNet模块。本发明能够更大范围感知周围目标，减少计算冗余和内存访问的同时进行多尺度的特征融合，通过高性能的神经网络来捕获水稻病虫害图像中的重要信息。

公开(公告)号：CN119494827A

公开(公告)日：2025-02-21

申请号：CN202411565413.4

申请日：2024-11-05

Applicant: 淮阴工学院 ,  淮安市第二人民医院

Inventor： 朱文婕 ,  万晶晶 ,  刘步实 ,  陈伯伦 ,  常恺露 ,  孟宪淳 ,  华晴烨 ,  宋子杰 ,  杨彬莹

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于DFIB和多层聚合网络的直肠息肉检测方法、系统、设备及存储介质，方法包括：制作包含直肠息肉目标的图片数据集，对数据集进行标注，并将数据集划分为训练集、测试集和验证集；基于YOLOv8网络进行改进，构建直肠息肉检测模型；所述改进包括，将YOLOv8网络中的C2f模块替换为DFIB模块，用于提取感受野扩张的特征；在YOLOV8n网络颈部应用多层聚合网络，用于融合和加权不同阶段的特征；对直肠息肉检测模型进行训练，利用训练好的直肠息肉检测模型检测目标直肠息肉合；本发明的检测方法能够更全面地捕捉息肉的关键特征，提高息肉检测的准确性和鲁棒性。