公开(公告)号：CN116030348B

公开(公告)日：2024-10-25

申请号：CN202310033251.9

申请日：2023-01-10

申请人： 淮阴工学院 ,  江苏省农业科学院

发明人： 高尚兵 ,  余骥远 ,  李洁 ,  唐琪 ,  张浩淼 ,  陈新 ,  缪奕可 ,  蒋东山 ,  曹鹏 ,  袁星星 ,  李士丛 ,  杨瑞杰 ,  张海艳

IPC分类号： G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明提供了一种基于LS‑YOLOv5网络的绿豆叶斑病病斑检测方法及装置，使用labelimg标注工具对预先获取的原始叶片图像进行标注；采用Mosaic数据增强算法对原始叶片图像进行数据预处理；并划分为训练集、验证集和测试集；构建LS‑YOLOv5叶斑病检测网络，其中的Backbone中均使用B‑CSP模块；Backbone中的最后一个CBL模块后面添加D‑SPP模块；Backbone中的D‑SPP模块前添加ECA注意力模块；Neck搭建方式采用原YOLOv5算法模型相同的方式搭建；训练LS‑YOLOv5叶斑病检测网络，将经过预处理后的叶斑病训练集通过搭建好的LS‑YOLOv5叶斑病检测网络，获得用于叶斑病检测的LS‑YOLOv5模型预训练权重；将待检测叶斑病图片输入最优权重模型进行叶斑病检测。本发明可用于绿豆叶斑病检测，网络体积小，检测效率高，具有较好的鲁棒性与广泛的应用价值。

公开(公告)号：CN116342487A

公开(公告)日：2023-06-27

申请号：CN202310149978.3

申请日：2023-02-22

申请人： 淮阴工学院 ,  江苏省农业科学院

发明人： 高尚兵 ,  李洁 ,  余骥远 ,  唐琪 ,  张浩淼 ,  陈新 ,  缪奕可 ,  蒋东山 ,  曹鹏 ,  袁星星 ,  李士丛 ,  杨瑞杰 ,  张海艳

IPC分类号： G06T7/00 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

摘要： 本发明公开了一种基于叶绿素荧光成像及DB‑YOLOv7的绿豆叶斑病检测方法，预先获取绿豆叶斑病图像，通过人工标注制作绿豆叶斑病数据集，并划分为训练集、验证集和测试集；构建基于DB‑YOLOv7的绿豆叶斑病检测模型；在YOLOv7模型的基础上重构了SPPCSPC模块，使其能够更有效的捕捉有效信息，增强对小病斑的提取能力；其次引入了GFPN模块并在其基础上进行了改进，缩短了高层级与低层级之间的距离，解决了路径过长导致的特征丢失问题；另外引入了CA注意力机制模块，提高了模型的鲁棒性；基于训练集和验证集对DB‑YOLOv7模型进行训练和评价；将所述测试集图像输入至训练后的DB‑YOLOv7模型进行识别，实现绿豆叶斑病检测。本发明能够有效地提高绿豆叶斑病检测的精度，具有广阔的应用前景。

公开(公告)号：CN116030348A

公开(公告)日：2023-04-28

申请号：CN202310033251.9

申请日：2023-01-10

申请人： 淮阴工学院 ,  江苏省农业科学院

发明人： 高尚兵 ,  余骥远 ,  李洁 ,  唐琪 ,  张浩淼 ,  陈新 ,  缪奕可 ,  蒋东山 ,  曹鹏 ,  袁星星 ,  李士丛 ,  杨瑞杰 ,  张海艳

IPC分类号： G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明提供了一种基于LS‑YOLOv5网络的绿豆叶斑病病斑检测方法及装置，使用labelimg标注工具对预先获取的原始叶片图像进行标注；采用Mosaic数据增强算法对原始叶片图像进行数据预处理；并划分为训练集、验证集和测试集；构建LS‑YOLOv5叶斑病检测网络，其中的Backbone中均使用B‑CSP模块；Backbone中的最后一个CBL模块后面添加D‑SPP模块；Backbone中的D‑SPP模块前添加ECA注意力模块；Neck搭建方式采用原YOLOv5算法模型相同的方式搭建；训练LS‑YOLOv5叶斑病检测网络，将经过预处理后的叶斑病训练集通过搭建好的LS‑YOLOv5叶斑病检测网络，获得用于叶斑病检测的LS‑YOLOv5模型预训练权重；将待检测叶斑病图片输入最优权重模型进行叶斑病检测。本发明可用于绿豆叶斑病检测，网络体积小，检测效率高，具有较好的鲁棒性与广泛的应用价值。