摘要
本发明公开了一种基于MS‑YOLO的农作物虫害检测方法及装置,方法包括:采集农作物害虫图像构建数据集,将数据集分为训练集、验证集和测试集;对YOLOv11网络模型进行改进,构建MS‑YOLO网络模型;将训练数据集输入到MS‑YOLO网络模型中,进行预处理操作,并开展MS‑YOLO网络模型的训练;利用测试数据集对训练完成的MS‑YOLO模型展开性能验证,最终输出农作物虫害的检测结果。装置包括:处理器和存储器。本发明解决了现有工作中农作物害虫目标较小、尺度多样导致的检测效果不佳的难题。
技术关键词
农作物虫害
农作物害虫
全局特征融合
颈部结构
YOLO模型
上下文特征
网络
权重分配机制
多尺度特征融合
CSP结构
分支
多头注意力机制
融合特征
训练集
金字塔
捕获特征
非线性特征
处理器
模块
可读存储介质
系统为您推荐了相关专利信息
无人机
深度学习图像识别技术
上采样
多尺度特征金字塔
融合多尺度信息
特征提取单元
超声心动图
融合特征
信息处理模型
加权特征
手机屏幕缺陷检测
网络结构
网络模型结构
注意力机制
多尺度特征提取
断层扫描图像
YOLO模型
DBSCAN算法
表达式
坐标