摘要
本发明提供一种基于改进YOLOv11s模型的农作物害虫检测方法,步骤包括:采用YOLOv11s作为原始模型,在原始YOLOv11s模型中,提出AMdown双分支下采样模块、动态纹理注意力模块和空间重构多尺度膨胀注意力模块,构成改进YOLOv11s模型,以该改进YOLOv11s模型作为害虫检测网络模型;预处理后的害虫数据集输入改进YOLOv11s模型,进行模型训练;使用训练后的改进YOLOv11s模型对实际的害虫图像进行检测。本发明对YOLOv11s模型进行改进,提出AMdown双分支下采样模块、动态纹理注意力模块和空间重构多尺度膨胀注意力模块,增加模型的泛化能力和鲁棒性,在不增加参数量和FLOPs的同时提高检测精度。
技术关键词
农作物害虫
动态纹理
检测网络模型
采样模块
分支
多尺度
背景噪声
害虫图像
图像数据预处理
重构
网络模型训练
注意力机制
输出特征
滑动窗口
超参数
上采样
分类器
系统为您推荐了相关专利信息
水稻种子萌发
深度学习模型
特征金字塔网络
图像分割模型
拍照设备
有源栅极驱动电路
电压采样模块
电流表
电流镜结构
电压采集模块