-
公开(公告)号：CN117876773A
公开(公告)日：2024-04-12
申请号：CN202410048232.8
申请日：2024-01-12
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V20/60 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于EfficienNetV2S的虫害细粒度识别方法，包括如下步骤：S1、收集农业昆虫图像，并预处理得到数据集；S2、构建细粒度分类模型，所述细粒度分类模型以EfficienNetV2‑S为主干网络，在EfficienNetV2‑S中带有SE注意力模块的MBConv模块嵌入一个多尺度注意力EMA模块，记为EMA‑MBConv；S3、将预处理后的数据集作为输入训练细粒度分类模型；S4、获取待识别的图像经预处理后，通过完成训练的细粒度分类模型进行昆虫分类。该方法解决实际农业中害虫种类多，背景复杂，类内差异大，类间差异小且数据分布不平衡导致害虫分类准确率低的问题。
-
公开(公告)号：CN115861185A
公开(公告)日：2023-03-28
申请号：CN202211421105.5
申请日：2022-11-14
Applicant: 杭州电子科技大学 , 杭州睿坤科技有限公司
Abstract: 本发明涉及一种田间复杂背景的稻飞虱计数模型，包括：获取包含稻飞虱的拍摄图片；对图片中的稻飞虱位置进行手工标注建立数据集；构建基于YOLO v5的稻飞虱计数模型；将稻飞虱数据集输入计数模型进行训练；将测试图片输入计数模型得到检测结果，检测结果即稻飞虱的定位位置。本发明通过对YOLO v5进行改进，在CSP‑Darknet53主干网络中加入Swin_Transformer模块作为特征提取部分，对检测网络颈部加入CBAM注意力机制、SPP模块并用BIFPN结构融合特征，更改网络的检测尺寸，提高模型田间复杂背景的稻飞虱检测精度。
-
公开(公告)号：CN117496273A
公开(公告)日：2024-02-02
申请号：CN202311754608.9
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种级联深度学习分类模型的稻飞虱检测方法，具体步骤包括：稻飞虱图像获取以及创建稻飞虱检测数据集和稻飞虱分类数据集；用稻飞虱检测数据集训练检测模型；根据稻飞虱目标尺寸较小的特点构建了一个基于深度学习的分类模型用于对检测模型输出的稻飞虱目标进行快速分类；构建级联深度学习分类模型的稻飞虱检测模型；将待检测图片输入级联深度学习分类模型的稻飞虱检测模型得到稻飞虱的检测框及其类别。本发明针对稻飞虱目标尺寸较小容易检测错误的问题，设计了小型分类模型对稻飞虱目标进行快速准确分类，通过分离检测模型的定位和分类模块，提高了对三种稻飞虱的检测精度。
-
公开(公告)号：CN115861185B
公开(公告)日：2023-08-11
申请号：CN202211421105.5
申请日：2022-11-14
Applicant: 杭州电子科技大学 , 杭州睿坤科技有限公司
Abstract: 本发明涉及一种田间复杂背景的稻飞虱计数方法，包括：获取包含稻飞虱的拍摄图片；对图片中的稻飞虱位置进行手工标注建立数据集；构建基于YOLOv5的稻飞虱计数模型；将稻飞虱数据集输入计数模型进行训练；将测试图片输入计数模型得到检测结果，检测结果即稻飞虱的定位位置。本发明通过对YOLOv5进行改进，在CSP‑Darknet53主干网络中加入Swin_Transformer模块作为特征提取部分，对检测网络颈部加入CBAM注意力机制、SPP模块并用BIFPN结构融合特征，更改网络的检测尺寸，提高模型田间复杂背景的稻飞虱检测精度。
-
-
-
Search Results
4
records
(took 0.019 seconds)
