摘要
本发明公开了基于改进的YOLOv5模型的柿子叶片病害检测方法,采集柿子叶片病害图像原始数据集,对现有YOLOv5模型的检测头个数、特征提取模块进行了改进,得到改进后的YOLOv5模型,对改进后的YOLOv5模型进行训练,得到最佳权重,将最佳权重应用于验证集和测试集上,得到模型评价指标,采用改进的YOLOv5模型进行柿子叶片病害检测,输出检测结果。本发明的检测方法根据柿子叶片病害数据集的特点,对原有的检测层和特征提取网络进行了改进。着重考虑了轻量化的需求,在保持原有的检测精度的同时减少模型的复杂度和计算量。
技术关键词
病害检测方法
混合损失函数
采集柿子
叶片
特征提取网络
注意力机制
特征提取模块
检测头
信息模块
图片
特征提取能力
训练集
退火算法
直线
度量
通道
角斑病
指标
数据
系统为您推荐了相关专利信息
人脸表情图像
人脸动作
深度学习模型
面部关键点
舵机
联邦学习方法
特征提取网络
胎儿超声图像
医学图像分类
风格
电推进系统
故障诊断模型
故障分类器
特征提取网络
实时监测数据
身份认证方法
静脉
LAB颜色空间
样本
解码器结构