买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南农业大学申请的专利一种基于改进Yolo v3网络模型的松材线虫病疫木检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115619719B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211172167.7，技术领域涉及：G06T7/00；该发明授权一种基于改进Yolo v3网络模型的松材线虫病疫木检测方法是由张建桃;吴锟杰;尹选春;文晟;林筱芸设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种基于改进Yolo v3网络模型的松材线虫病疫木检测方法在说明书摘要公布了：本发明涉及一种基于改进Yolov3网络模型的松材线虫病疫木检测方法，包括：采集并制作松材线虫病疫区正射影像图，经图像预处理后得到原始数据集；对Yolov3网络模型的主干特征提取网络及预测分支部分模块进行优化，得到改进后的Yolov3网络模型；对改进后的网络模型进行训练，获取检测网络最优模型；使用最优检测模型对松材线虫病疫木图像进行检测；将检测到的松材线虫病疫木的图像与完整正射影像图进行对照，得到真实的地理位置坐标，并统计得到图像中检测到的目标框即疫木的数量。本发明在大幅地减少模型参数量、降低存储成本的同时，提高松材线虫病疫木的检测精度，通过定位与计数也能让林业工作者更为准确地对疫木进行处理。

本发明授权一种基于改进Yolo v3网络模型的松材线虫病疫木检测方法在权利要求书中公布了：1.一种基于改进Yolov3网络模型的松材线虫病疫木检测方法，其特征在于，包括以下步骤： S1、通过使用高分辨率无人机对包含松材线虫病疫木的片区进行图片采集，并制作正射影像图，经图像预处理后，对图像中的松材线虫病疫木进行标注，将其作为训练Yolov3网络模型的原始数据集； S2、针对松材线虫病疫木的表现特征对原始Yolov3网络模型的主干特征提取网络及预测分支部分模块进行优化，得到改进后的Yolov3网络模型； S3、利用步骤S1中经预处理和标注后得到的训练数据集对改进后的Yolov3网络模型进行训练，并根据设置对照实验及验证结果进一步对模型进行调整，获取检测松材线虫病疫木的最优网络模型； S4、利用步骤S3中得到的最优Yolov3网络模型对松材线虫病疫木图像进行检测； S5、将步骤S4中检测到的松材线虫病疫木的图像与完整正射影像图进行对照，根据投影坐标与地理坐标的转换关系换算得到疫木真实的地理位置坐标，并统计所有图像中检测到的目标框树木，获取区域中松材线虫病疫木的具体数量； 步骤S2的具体过程包括： S21、使用K-means++聚类算法对松材线虫病疫木进行锚框尺寸的聚类，得到锚框最佳的尺寸； S22、采用Efficient-B1网络作为Yolov3网络模型新的主干特征提取网络，并对Efficient-B1网络中的激活函数进行优化，将原本使用的Swish激活函数替换为Mish激活函数，其中，Mish激活函数的公式为： Mish＝x·tanhln1+ex 将Efficient-B1中的注意力机制进行改进，使用ECA模块替换掉原本的SE模块；ECA模块嵌入到残差块主干分支并经过不降低维度的全局平均池化后，利用一维稀疏卷积操作捕获当前通道与其另外的领域通道信息进行交互； 采用的Efficient-B1网络使用了Mobilenetv2中的MBConv块作为模型的主干网络，先将输入的低维特征图扩增成高维特征图，然后用深度可分离卷积做卷积运算，再使用一个线性的卷积将其映射到低维空间中； S23、在预测网络的第一分支前使用PPM模块；在预测网络的第一分支前，首先将主干特征提取网络提取到的特征图进行池化操作，然后对将池化后的结果进行1x1卷积，将通道数缩少到原来的14，接着对上一步的每一个特征图利用双线性插值上采样得到原特征图相同的尺寸，随后将原特征图和处理后的图像进行拼接，再将通道数缩小为原来的数量，获取得到全局上下文信息。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。