面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法

本发明属于农业病害检测领域，尤其涉及一种面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法。

背景技术：

1、荔枝果实炭疽病是由真菌侵染所引起的一种可传播性农业病害，是荔枝生产的主要威胁。与其他病害不同，荔枝炭疽病可能在幼果期侵染果实但直到成熟期才会展现症状。被感染的荔枝果实会出现褐色不规则病斑，随着时间的推移，会出现果实开裂，果肉腐烂等现象。如果不及时控制病情，会导致真菌在果实之间互相传播，造成荔枝产量严重下降。目前防控荔枝果实炭疽病的主要手段仍然依靠人工定期清查患病果实，这种管理方式效率低，及时性差。在病害高发期，果农需要了解果园中树木的患病情况并采取相应对策，这不仅增加了果农的劳动量，也提高了人力成本。

技术实现思路

1、为解决上述技术问题，本发明提出了一种面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，以解决现有技术中存在的问题。

2、为实现上述目的，本发明提供了一种面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，包括以下步骤：

3、采集荔枝果实图像数据，构建荔枝果实图像数据集，并将所述荔枝果实图像数据集进行划分，得到训练集和验证集；

4、对所述训练集中的图像进行数据增强处理，获得优化训练集；

5、基于yolov8算法构建初始炭疽病检测模型，通过所述训练集和验证集对初始炭疽病检测模型进行训练和验证，得到炭疽病检测模型；

6、通过炭疽病检测模型对荔枝果实进行检测，判断荔枝果实是否患有炭疽病。

7、可选的，所述构建荔枝果实图像数据集的方法包括：

8、通过专家对荔枝果实图像数据进行分类，得到正常样本集和患病样本集，并将正常样本集和患病样本集以pascal voc数据格式保存；

9、通过荔枝基地农户进行集样本检查，当检查合格时，获得荔枝果实图像数据集。

10、可选的，所述进行数据增强处理的方法包括：

11、对训练集中的图像进行明亮度改变、随机旋转、图像翻转和添加运动噪声处理，所述运动噪声为高斯噪声。

12、可选的，基于yolov8算法构建初始炭疽病检测模型的方法包括：

13、设计基于深度可分离卷积的轻量级主干网络取代yolov8算法的主干网络；

14、设计通道分组多尺度融合卷积嵌入到c2f模块中；

15、对协调注意力机制进行优化，并将优化后的协调注意力机制嵌入到基于深度可分离卷积的轻量级主干网络中；

16、设计信息共享解耦头获得初始炭疽病检测模型。

17、可选的，所述基于深度可分离卷积的轻量级主干网络包括4个精简块，在特征输入和精简块之间设置过渡层进行特征图下采样与通道数扩展；

18、所述精简块包括1个3×3大小的深度可分离卷积层、2个逐点卷积和逐点卷积之间的中间层。

19、可选的，所述通道分组多尺度融合卷积通过引入不同核尺寸的基本卷积获取多种尺度的空间特征，并通过逐点卷积对所述空间特征进行特征融合。

20、可选的，所述特征融合的方法包括：

21、将输入特征沿通道方向划分为两组，其中一组通过1×1和3×3基本卷积获取多尺度的特征信息，将所述多尺度的特征信息与另一组的特征进行拼接，得到融合特征。

22、可选的，所述对协调注意力机制进行优化的方法包括：

23、在协调注意力机制的基础上通过全局最大池化获取包含显著信息的新路径；

24、通过卷积与sigmoid操作获取原始路径上的强化信息；

25、将原始路径上的强化信息的均值添加到新路径的显著信息中，获得联合信息；

26、将原始路径上的强化信息与所述联合信息进行融合，得到全部强化信息。

27、可选的，所述设计信息共享解耦头的方法包括：

28、通过通道分组多尺度融合卷积替代信息共享解耦头中的两个分支全部的3×3卷积，进行特征提取与融合共享，获得输出，再将输出送入不同分支进行预测。

29、与现有技术相比，本发明具有如下优点和技术效果：

30、本发明所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，通过对荔枝种植基地的实地考察收集了一个数据集，用于训练深度学习模型。针对由于复杂农业环境导致的荔枝果实漏检和误检问题，提出了一种轻量级的目标检测方法lfa-yolo。能够在复杂农业场景下对患有炭疽病的荔枝果实进行有效的检测，有效推动了深度学习技术在荔枝果实炭疽病防控领域的应用，并且极大的降低了人工成本。

技术特征：

1.一种面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

3.根据权利要求1所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

4.根据权利要求1所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

5.根据权利要求4所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

6.根据权利要求4所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

7.根据权利要求6所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

8.根据权利要求4所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

9.根据权利要求4所述的面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，其特征在于，

技术总结
本发明公开了一种面向复杂农业场景的高效轻量级荔枝果实炭疽病检测方法，属于农业病害检测领域，包括以下步骤：采集荔枝果实图像数据，构建荔枝果实图像数据集，并将所述荔枝果实图像数据集进行划分，得到训练集和验证集；对所述训练集中的图像进行数据增强处理，获得优化训练集；基于YOLOv8算法构建初始炭疽病检测模型，通过所述训练集和验证集对初始炭疽病检测模型进行训练和验证，得到炭疽病检测模型；通过炭疽病检测模型对荔枝果实进行检测，判断荔枝果实是否患有炭疽病。本发明能够在复杂农业场景下对患有炭疽病的荔枝果实进行有效的检测，有效推动了深度学习技术在荔枝果实炭疽病防控领域的应用。

技术研发人员：刘美,陈嘉升
受保护的技术使用者：广东石油化工学院
技术研发日：
技术公布日：2024/3/4