龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：桂林理工大学
摘要：本发明提供一种基于改进的YOLOv7‑tiny柑橘果实估产方法，属于计算机图像识别与农业智能监测领域，针对现存网络检测精度与检测速度不平衡问题，提出如下改进方法：在空间池化金字塔后添加了Biformer双层路由注意力机制，在颈部网络中将普通卷积替换为GSConv，并引入了VoVGSCSP模块，在主干网络中，用PConv替换简化后的ELAN高效层聚合网络，以提升检测精度并减少网络模型计算量；然后基于网络识别计数与人工计数，联合回归模型构建估产预测模型。本申请提供一种快速且准确的柑橘果实估产方法，能够应用于手机等便携设备进行实时识别，可减少计数误差、提高计数精度，为复杂环境下果实估产技术发展提供新思路。
主权项：1.一种基于改进YOLOv7-tiny的柑橘果实估产方法，其特征在于，方法包括以下步骤：步骤1：利用手机、相机等设备采集复杂场景下的多角度柑橘图像数据；步骤2：对步骤1中获得的图像中筛选出不同场景下清晰子图，并对筛选出的图像进行人工标注获得所需样本数据，再对所述样本数据进行数据增强操作；步骤3：对步骤2生成的样本数据按照一定比例划分为训练集、验证集与测试集；步骤4：构建改进YOLOv7-tiny模型，通过添加Biformer双层路由注意力机制，捕捉输入序列中双向依赖关系的方式，提高对柑橘空间信息和背景语义信息捕获能力。同时，在颈部网络中将普通卷积替换为GSConv，并引入了VoVGSCSP模块，以提升检测精度并减少模型推理时间。在主干网络中，用PConv替换简化后的ELAN高效层聚合网络，从而更有效地提取特征，减少网络计算量。且利用步骤3制作的训练集对改进后的YOLOv7-tiny模型进行训练，使用验证集对YOLOv7-tiny模型进行验证；步骤5：获取步骤4中训练后YOLOv7-tiny模型最优权重，将权重载入模型，然后对步骤3中测试集数据实现柑橘果实检测；步骤6：获取步骤5中网络识别计数，联合网络识别计数与人工计数建立回归模型，分析果实计数精度差异；步骤7：在果园随机选取柑橘果树，并获取其完整侧视图，利用步骤6中回归模型，通过网络识别计数预测整棵果树柑橘产量。
全文数据：
权利要求：
百度查询： 桂林理工大学 一种基于改进的YOLOv7-tiny柑橘果实估产方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号