申请/专利权人：农业农村部南京农业机械化研究所

申请日：2020-07-28

公开（公告）日：2024-06-07

公开（公告）号：CN112036437B

主分类号：G06V10/80

分类号：G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2020.12.22#实质审查的生效;2020.12.04#公开

摘要：本发明公开了一种基于改进YOLOV3网络的水稻秧苗检测模型及其方法，解决了传统图像处理方法对水稻秧苗检测的适应性和鲁棒性较差，图像处理算法效果不佳的弊端；其技术方案要点包括有对输入的水稻秧苗图像进行多尺度特征提取的特征提取模块、根据多尺度特征提取的特征图对水稻秧苗位置进行预测的多尺度预测模块；多尺度预测模块包括有对多尺度下提取的特征图进行融合构建处理的多尺度融合特征构建模块、根据融合构建的特征图对秧苗位置进行预测的多尺度秧苗位置预测模块，本发明的基于改进YOLOV3网络的水稻秧苗检测模型及其方法，解决复杂水田环境中高低杂草密度、不同光照条件、秧苗缺失情况下水稻秧苗检测鲁棒性和准确性较差的问题。

主权项：1.一种基于改进YOLOV3网络的水稻秧苗检测模型系统的检测方法，其特征是：所述基于改进YOLOV3网络的水稻秧苗检测模型系统包括有对输入的水稻秧苗图像进行多尺度特征提取以获得多尺度的秧苗特征图的特征提取模块、根据多尺度的秧苗特征图对水稻秧苗位置进行预测的多尺度预测模块；所述多尺度预测模块包括有对多尺度的秧苗特征图进行融合构建处理以获得多尺度的融合特征图的多尺度融合特征构建模块、根据融合特征图中对应的融合特征对秧苗位置进行预测的多尺度秧苗位置预测模块；所述特征提取模块包括有对输入的水稻秧苗图像依次进行倍率采样提取处理以分别得到52尺度秧苗特征图、26尺度秧苗特征图、13尺度秧苗特征图的52尺度特征提取子模块、26尺度特征提取子模块、13尺度特征提取子模块；所述多尺度融合特征构建模块包括有对不同尺度的秧苗特征图进行融合处理的52尺度融合特征构建子模块、26尺度融合特征构建子模块、13尺度融合特征构建子模块；所述52尺度特征提取子模块对52尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有52尺度秧苗特征的52尺度秧苗特征图；所述26尺度特征提取子模块对26尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有26尺度秧苗特征的26尺度秧苗特征图；所述13尺度特征提取子模块对为13尺度特征提取子模块的输入秧苗特征图进行特征提取以获得包含有13尺度秧苗特征的13尺度秧苗特征图；所述检测方法包括有以下步骤：获得输入的水稻秧苗图像；对水稻秧苗图像分别进行不同倍率下采样，通过特征提取模块获得52尺度秧苗特征图、26尺度秧苗特征图、13尺度秧苗特征图；通过多尺度融合特征构建模块对获取的13尺度秧苗特征图、26尺度秧苗特征图、52尺度秧苗特征图依次进行特征融合以获得13尺度秧苗融合特征图、26尺度秧苗融合特征图、52尺度秧苗融合特征图；通过多尺度秧苗位置预测模块依次对获得的13尺度秧苗融合特征图、26尺度秧苗融合特征图、52尺度秧苗融合特征图进行预测以获得13尺度秧苗预测结果、26尺度秧苗预测结果、52尺度秧苗预测结果；特征提取模块进行特征提取的具体步骤如下：对输入的水稻秧苗图像经过10个卷积层和3个残差层得到52尺度特征提取子模块的输入卷积层，通过52尺度特征提取子模块提取获得52尺度秧苗特征；对52尺度特征提取子模块的输出层经过3*32*512的卷积核进行卷积得到26尺度特征提取子模块的输入卷积层，通过26尺度特征提取子模块提取获得26尺度秧苗特征；对26尺度特征提取子模块的输出层经过3*32*512的卷积核进行卷积得到13尺度特征提取子模块的输入卷积层，通过13尺度特征提取子模块提取获得13尺度秧苗特征；多尺度融合特征构建模块进行特征融合构建具体步骤如下：对26尺度特征提取子模块的输出层进行下采样得到13*13*512特征图，并与13尺度特征提取子模块的输出层进行张量拼接，得到13尺度秧苗融合特征图；对52尺度特征提取子模块的输出层进行下采样后得到26*26*256特征图，对13尺度特征提取子模块的输出层进行上采样获得26*26*512特征图，将下采样得到的26*26*256特征图、上采样获得的26*26*512特征图与26尺度特征提取子模块的输出层进行张量拼接，得到26尺度秧苗融合特征图；对输入的水稻秧苗图片进行特征提取获得的104尺度输出秧苗特征图进行下采样得到52*52*128特征图，对26尺度特征提取子模块的输出层进行上采样获得52*52*512特征图，将下采样得到的52*52*128特征图、上采样获得的52*52*512特征图与52尺度特征提取子模块的输出层进行张量拼接，得到52尺度秧苗融合特征图。

全文数据：

权利要求：

百度查询： 农业农村部南京农业机械化研究所 基于改进YOLOV3网络的水稻秧苗检测模型及其方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD