首页分享基于改进YOLOv8的水稻病虫害检测方法及系统

基于改进YOLOv8的水稻病虫害检测方法及系统

来源：花匠小妙招时间：2024-11-29 15:02

摘要：本发明公开一种基于改进YOLOv8的水稻病虫害检测方法及系统，涉及目标检测技术领域，包括：将水稻图片输入至训练后的YOLOv8目标检测模型，得到水稻图片中病虫害的类别信息和位置信息；其中，模型的训练过程为：基于水稻病虫害数据集对改进后的YOLOv8目标检测算法进行训练；该算法为在原始算法的基础上，将特征提取模块中的Bottleneck结构替换为FasterBlock结构、将原始特征金字塔上引入更浅层特征P2以及将原始检测头替换为多重注意力机制检测头后得到的算法。本发明基于改进后的YOLOv8目标检测算法，能够实现病虫害位置和类别信息进行精确的分类和定位。

主分类号：

G06V20/10(2022.01)(计算；推算；计数)

权利要求：

1.一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，包括：获取无人机拍摄的任意水稻种植区域的水稻图片；将水稻图片输入至训练后的YOLOv8目标检测模型，得到水稻图片中的水稻病虫害的类别信息和位置信息；其中，YOLOv8目标检测模型的训练过程为：获取水稻种植区域的样本病虫害图片；所述样本病虫害图片为含有水稻病虫害的水稻图片；对所述样本病虫害图片进行目标标记，得到标记后的样本病虫害图片；所述目标包括水稻病虫害的类别和位置；根据各所述标记后的样本病虫害图片，构建水稻病虫害数据集；所述水稻病虫害数据集中包括以设定比例划分的训练集、测试集和验证集；基于所述水稻病虫害数据集，对改进后的YOLOv8目标检测算法进行训练，得到训练后的YOLOv8目标检测模型；其中，改进后的YOLOv8目标检测算法为在原始YOLOv8目标检测算法的基础上，将特征提取模块中的Bottleneck结构替换为FasterBlock结构、将原始特征金字塔上引入更浅层特征P2以及将原始检测头替换为多重注意力机制检测头后得到的算法。 2.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，在获取水稻种植区域的水稻病虫害图片之前，还包括：获取所述水稻种植区域的拍摄图片；对所述拍摄图片进行病虫害信息判断；筛选所述拍摄图片中的包含所述病虫害信息的图片，并将筛选出来的图片确定为样本病虫害图片。 3.根据权利要求2所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，所述拍摄图片为无人机采用倾斜拍摄方式，对所述水稻种植区域进行拍摄得到的图片。 4.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，在对所述样本病虫害图片进行目标标记之前，还包括：对所述样本病虫害图片进行图像扩充，得到扩充后的样本图像；采用频域同态滤波法，对所述扩充后的样本图像进行图像降质筛选，得到图像降质筛选后的样本图像；其中，图像降质筛选后的样本图像用于进行目标标记，得到标记后的样本病虫害图片。 5.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，根据各所述标记后的样本病虫害图片，构建水稻病虫害数据集，具体包括：基于高斯模糊方法、随机裁剪方法和随机填充方法，对各所述标记后的样本病虫害图片进行图像处理，并根据图像处理后的样本病虫害图片构建水稻病虫害数据集。 6.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，所述FasterBlock结构用于基于部分卷积对输入的特征图进行标记。 7.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，所述更浅层特征P2用于捕获病虫害目标的细粒度特征。 8.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，所述多重注意力机制检测头为在尺度感知的特征层、空间感知的空间位置以及任务感知的输出通道内连贯结合多头自注意机制的检测头。 9.一种基于改进YOLOv8的水稻病虫害检测系统，其特征在于，包括：数据获取模块，用于获取无人机拍摄的任意水稻种植区域的水稻图片；检测模块，用于将水稻图片输入至训练后的YOLOv8目标检测模型，得到水稻图片中的水稻病虫害的类别信息和位置信息；训练模块，包括：获取单元，用于获取水稻种植区域的样本病虫害图片；所述样本病虫害图片为含有水稻病虫害的水稻图片；目标标记单元，用于对所述样本病虫害图片进行目标标记，得到标记后的样本病虫害图片；所述目标包括水稻病虫害的类别和位置；构建单元，用于根据各所述标记后的样本病虫害图片，构建水稻病虫害数据集；所述水稻病虫害数据集中包括以设定比例划分的训练集、测试集和验证集；训练单元，用于基于所述水稻病虫害数据集，对改进后的YOLOv8目标检测算法进行训练，得到训练后的YOLOv8目标检测模型；其中，改进后的YOLOv8目标检测算法为在原始YOLOv8目标检测算法的基础上，将特征提取模块中的Bottleneck结构替换为Faster Block结构、将原始特征金字塔上引入更浅层特征P2以及将原始检测头替换为多重注意力机制检测头后得到的算法。 10.根据权利要求9所述的一种基于改进YOLOv8的水稻病虫害检测系统，其特征在于，所述训练模块还包括：扩充单元，用于对所述样本病虫害图片进行图像扩充，得到扩充后的样本图像；筛选单元，用于采用频域同态滤波法，对所述扩充后的样本图像进行图像降质筛选，得到图像降质筛选后的样本图像；其中，图像降质筛选后的样本图像用于进行目标标记，得到标记后的样本病虫害图片。