摘要
本发明涉及计算机视觉植物病害检测领域,特别涉及一种葡萄叶片病害检测方法。该方法包括以下步骤:获取葡萄叶片病害数据集;对数据集中的图像样本进行进行标注并生成与图像样本对应的标注文件;将数据集中的图像样本及与之对应的标注文件划分为训练集、验证集及测试集;使用StarBlock模块替换BasicBlock、DRBC3模块替换RepC3模块来优化RT‑DETR检测模型;利用训练集和验证集对优化后的RT‑DETR检测模型进行训练;利用训练后的模型对葡萄叶病害进行检测。相比较于原模型,本发明改进后的模型不仅在葡萄叶病害检测上提高了模型的检测精度和性能,在模型的推理速度上超越了原模型,也让模型大小有所降低。
技术关键词
病害检测方法
葡萄
语义特征
输出特征
叶片
图像
样本
植物病害检测
网络
模块
训练集
多尺度特征
数据
压缩特征
解码器
计算机视觉
注意力机制
叶斑病
麻疹
系统为您推荐了相关专利信息
故障预警算法
故障识别算法
故障特征
评估算法
风机叶片断裂
建筑物
输出特征
卷积模块
动态
sigmoid函数
标尺
图像像素
刻度
注意力机制
Kmeans算法
特征提取网络
融合卷积神经网络
设备工况
卷积特征
输出特征