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：华南农业大学

摘要：本发明公开了一种基于深度学习的计算机视觉芦荟炭疽病检测方法。本发明中，基于卷积神经网络YOLOv8实现了自然环境下芦荟炭疽病病斑的自动检测，融合BiFPN网络和MCA注意力机制，基于这两个模块对YOLOv8网络进行改进对芦荟植株的炭疽病病斑进行定位识别。利用GAN数据增强以及YOLO数据增强，对芦荟植株的炭疽病数据集数量进行增强，再利用卷积神经网络进行特征提取，经过图像处理，提取了多尺度和遮挡情况下的病斑特征。对于病斑的数据，建立针对芦荟炭疽病病害程度的预测模型，通过mAP、准确率、鲁棒性等指标对模型进行评估，从而使得整个方法的准确性得到了提高，同时也降低了芦荟病害程度分析的时间，提高了检测效率，减轻了相关工作人员的劳动负担。

主权项：1.一种基于深度学习的计算机视觉芦荟炭疽病检测方法，其特征在于：所述检测方法包括以下步骤：S1：进行图像采集：收集大量的芦荟植株图像，包括健康和感染炭疽病的芦荟；S2：进行图像预处理，提取绿色部分分量；使用裁剪过的植株RGB图像，利用绿色和红色分量，如果水稻图像中的像素点绿色分量大于阈值Egthreshold并且红色分量小于阈值ERthreshold，则判定为绿色部分；与原图掩膜得到绿色分割效果图；其中Egthreshold＝0.3,ERthreshold＝0.15；S3：使用标注工具为图像中的炭疽病病斑进行精确标注，包括病斑的位置和大小，将数据集分为训练集、验证集和测试集，确保数据分布的代表性；S4：进行芦荟图像数据增强，使用生成对抗网络GAN生成新的病斑图像，增加数据多样性，之后进行YOLO数据增强，应用旋转增强技术，增强模型的泛化能力；S5：选择YOLOv8作为基础模型融合BiFPN网络，将双向特征金字塔网络融入YOLOv8，以增强特征融合能力；S6：加入MCA注意力机制：集成多尺度上下文聚合器MCA注意力机制，提高模型对病斑的关注度；根据病斑特征调整网络结构，如增加或减少卷积层、池化层；S7：使用训练集对模型进行训练，通过反向传播和梯度下降优化模型参数；S8：训练完成后，计算平均精度mAP、准确率、鲁棒性指标，评估模型性能；S9：定期收集新数据，更新数据集，以适应炭疽病的变化；根据新数据定期对模型进行再训练和优化；提供技术支持和维护，确保系统的稳定运行，之后即可结束整个基于深度学习的计算机视觉芦荟炭疽病检测流程。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于深度学习的计算机视觉芦荟炭疽病检测方法