公开(公告)号：CN117315648A

公开(公告)日：2023-12-29

申请号：CN202311323691.4

申请日：2023-10-12

Applicant: 哈尔滨理工大学

Inventor： 杨明极 ,  佟心博

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开一种基于改进YOLOv7模型的葡萄叶片病害检测方法。首先，获取葡萄叶片不同病害的图像，进行标签标注，构建初始数据集。对构建好的初始数据集进行数据增强，扩充数据集，并划分训练集和测试集。将训练集图像送入主干网络提取特征，并引入注意力机制和非对称卷积提高重要特征权重。接着在PANet(PathAggregation Network，路径聚合网络)网络中新增一个小目标检测层，提高对小目标的检测能力。最后使用SIoU(Smoothed Intersection over Union Loss，平滑交并比)损失函数替换原YOLOv7网络模型中的CIoU(Complete Intersection over Union Loss，完全交并比)损失函数。本发明针对复杂背景下小目标病害检测准确率不高的问题，提供了一种基于改进YOLOv7的葡萄叶片病害检测方法，检测精度达到93.3％，提高了葡萄叶片病害的检测精度。