基于改进YOLOv5s非结构化环境下的多目标害虫检测方法和系统
技术特征：
1.一种基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s4中通过ghostnet模块重构主干网络用于特征提取包括：
3.根据权利要求2所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述ghost bottleneck模块中的卷积过程包括：
4.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s4中引入bifpn模块至fpn部分进行特征融合包括：
5.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s4中将颈部网络中的普通卷积模块替换为dwconv模块包括：
6.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s4中输出特征被送入添加了cbam模块的检测器进行特征点判断包括：
7.根据权利要求6所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述cbam模块包括两个独立的卷积步骤依次推断输入特征图，分别为通道注意力模块和空间注意力模块，工作流程包括：
8.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s4中去除yolov5s网络四个检测头中大检测头包括：
9.根据权利要求1所述的基于改进yolov5s非结构化环境下的多目标害虫检测方法，其特征在于，所述步骤s7将验证集输入至所述训练后的多目标害虫检测网络模型中进行模型评估包括：
10.一种基于改进yolov5s非结构化环境下的多目标害虫检测系统，其特征在于，所述系统包括：
技术总结
本发明提供了一种基于改进YOLOv5s非结构化环境下的多目标害虫检测方法和系统，所述方法包括：S1：采集被甘蔗蚜虫侵扰的作物图像作为第一目标数据集；S2：将第一目标数据集与优化标注后的AgriPest数据集进行随机选取并重新组合制作成第二目标数据集；S3：将第二目标数据集进行划分为训练集、验证集和测试集；S4：以YOLOv5s网络模型为基准模型构建改进的YOLOv5s网络模型作为多目标害虫检测网络模型；S6：基于训练结果改进多目标害虫检测网络模型参数得到训练后的多目标害虫检测网络模型；S7：进行模型评估；S8：将测试集输入至所述训练后的多目标害虫检测网络模型中得到多目标害虫检测结果。改进后的YOLOv5s网络模型对非结构环境下小目标高密度害虫识别能力得到提升。
技术研发人员：徐伟悦,孙浩楠,严强,吴沂泽,黄陆楠
受保护的技术使用者：常州大学
技术研发日：
技术公布日：2024/11/18
技术研发人员：徐伟悦,孙浩楠,严强,吴沂泽,黄陆楠
技术所有人：常州大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除