摘要
本发明公开了一种基于改进型YOLOv11的果树病虫害检测方法及装置,涉及自动化机器学习技术领域,旨在解决现有技术YOLOv11在苹果病虫害检测方面仍具有困难等问题,其包括获取果树拍摄图像;将果树拍摄图像作为输入,基于果树病虫害检测模型输出得到果树处理图;根据果树处理图判断果树是否存在病虫害以及病虫害种类,所述果树病虫害检测模型基于YOLOv11模型改进得到。本发明集成了高级特征提取、分层特征融合和增强的空间感知功能,实现了对果树病虫害的高效精准检测,提高了检测模型的鲁棒性和泛化能力,同时在复杂环境下保持较高的性能。
技术关键词
果树病虫害
多尺度特征提取
输出特征
注意力
积层
自动化机器学习技术
融合特征
图像全局信息
多尺度卷积核
多尺度特征融合
分支
预训练方法
图像获取模块
分层特征
训练集数据
检测头
系统为您推荐了相关专利信息
路径规划方法
动态算法
高维向量空间
顶点
广度优先搜索
深度卷积神经网络
生成图像识别模型
图片分类方法
评估算法
训练集
文本检索方法
BERT模型
图像特征提取
自然语言文本
图像共享特征