[發明專利]一種基于改進的YOLOv5s模型的蘋果病害識別方法

在審

• 申請號: 202210199557.7
• 申請日: 2022-03-01
• 公開（公告）號: CN114819052A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 孫豐剛;蘭鵬;王云露;沈東健;張帆;葛成愷;張彬;周筑南
• 申請（專利權）人: 山東農業大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06V10/82;G06V10/764;G06K9/62;G06V10/774;G06N3/08;G06F16/951
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，所述方法包括：

獲取蘋果病害數據集，并對所述蘋果病害數據集進行預處理；

對YOLOv5s模型進行輕量化改進；

基于預處理后的蘋果病害數據集對改進后的YOLOv5s模型進行訓練；

利用訓練好的改進后的YOLOv5s模型對目標蘋果病害圖像進行識別。

2.根據權利要求1所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，對所述蘋果病害數據集進行預處理，包括：

將所述蘋果病害數據集中的圖像旋轉預設角度，以模擬不同拍攝角度的圖像；

對旋轉后的圖像色度、圖像飽和度和圖像對比度隨機增強，以模擬不同光線條件下的圖像；

對隨機增強后的圖像進行銳化處理，以模擬不同清晰度的圖像。

3.根據權利要求1所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，所述對YOLOv5s模型進行輕量化改進，包括：

在YOLOv5s模型的骨干網絡和頸部網絡中配置輕量化幻影瓶頸層；

調整YOLOv5s模型的特征圖的寬度；

在YOLOv5s模型的骨干網絡中添加卷積塊注意力模塊，其中，所述卷積塊注意力模塊包括通道注意力模塊和空間注意力模塊。

4.根據權利要求3所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，所述對YOLOv5s模型進行輕量化改進還包括：

在YOLOv5s模型的頸部網絡中配置特征金字塔模塊；

在所述金字塔模塊中構建二次堆疊模塊。

5.根據權利要求4所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，在所述金字塔模塊中構建二次堆疊模塊，包括：

獲取自注意機制的Transformer編碼器；

堆疊兩個基于所述自注意機制的Transformer編碼器形成二次堆疊模塊。

6.根據權利要求1所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，所述基于預處理后的蘋果病害數據集對改進后的YOLOv5s模型進行訓練之后，還包括：

對改進后的YOLOv5s模型進行評估；

選取評估后確定為訓練好的改進后的YOLOv5s模型。

7.根據權利要求5所述的基于改進的YOLOv5s模型的蘋果病害識別方法，其特征在于，所述利用訓練好的改進后的YOLOv5s模型對目標蘋果病害進行識別，包括：

將目標蘋果病害圖像輸入訓練好的改進后的YOLOv5s模型；

包含所述輕量化幻影瓶頸層的骨干網絡對所述目標蘋果病害圖像進行幻影卷積處理，再經過通道注意力模塊和空間注意力模塊的加權處理，得到第一特征圖；

將所述第一特征圖輸入改進后的頸部網絡，經過特征金字塔模塊的特征融合處理，得到第二特征圖；

對所述第二特征圖進行預測，輸出所述目標蘋果病害圖像所屬病害的置信度。

8.一種基于改進的YOLOv5s模型的蘋果病害識別裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取蘋果病害數據集，并對所述蘋果病害數據集進行預處理；

改進模塊，用于對YOLOv5s模型進行輕量化改進；

訓練模塊，用于基于預處理后的蘋果病害數據集對改進后的YOLOv5s模型進行訓練；

識別模塊，用于利用訓練好的改進后的YOLOv5s模型對目標蘋果病害圖像進行識別。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-7任一所述方法的步驟。

10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-7任一所述方法的步驟。