新一代信息技術
一種基于C3M-Yolov5s的農業(yè)蟲害圖像檢測方法
本發(fā)明提出一種基于C3M?Yolov5s的農業(yè)蟲害圖像檢測方法,該方法包括:第一,為了在卷積提取圖像特征的同時降低原模型的參數(shù)量和計算成本,即加快網(wǎng)絡的收斂速度,將原模型Yolov5標準卷積Conv模塊更換為MobileNetV3中所提出的卷積模塊;第二,基于Bottleneck的結構搭建出MBottleneck的瓶頸式卷積模塊,該結構在保障較低參數(shù)量的條件下提取圖像特征時更加靈活,縮放卷積核大小后提取到的特征更具有特異性;第三,通過使用MConv和MBottleneck借鑒參差結構搭建出C3M,其中參差結構能夠有效避免梯度消失的弊端,合理的加深網(wǎng)絡的層數(shù),這能夠進一步提升模型的特征獲取能力;第四,實驗設置基于公開農業(yè)蟲害數(shù)據(jù)集IP102,使用C3M模塊替換原模型中Neck的C3提升模型Neck對于主干遞交的圖像特征的接收能力,結果表明模型的收斂速度在相同訓練參數(shù)的配置下改進后模型保持了與原模型一致的mAP指標,且AP50指標、模型收斂速度有所提升。
長春工業(yè)大學
授權發(fā)明