一种基于深度学习的计算机视觉芦荟炭疽病检测方法

本发明公开了一种基于深度学习的计算机视觉芦荟炭疽病检测方法。本发明中，基于卷积神经网络YOLOv8实现了自然环境下芦荟炭疽病病斑的自动检测，融合BiFPN网络和MCA注意力机制，基于这两个模块对YOLOv8网络进行改进对芦荟植株的炭疽病病斑进行定位识别。利用GAN数据增强以及YOLO数据增强，对芦荟植株的炭疽病数据集数量进行增强，再利用卷积神经网络进行特征提取，经过图像处理，提取了多尺度和遮挡情况下的病斑特征。对于病斑的数据，建立针对芦荟炭疽病病害程度的预测模型，通过mAP、准确率、鲁棒性等指标对模型进行评估，从而使得整个方法的准确性得到了提高，同时也降低了芦荟病害程度分析的时间，提高了检测效率，减轻了相关工作人员的劳动负担。