新一代信息技術(shù)
一種基于C3M-Yolov5s的農(nóng)業(yè)蟲(chóng)害圖像檢測(cè)方法
本發(fā)明提出一種基于C3M?Yolov5s的農(nóng)業(yè)蟲(chóng)害圖像檢測(cè)方法，該方法包括：第一，為了在卷積提取圖像特征的同時(shí)降低原模型的參數(shù)量和計(jì)算成本，即加快網(wǎng)絡(luò)的收斂速度，將原模型Yolov5標(biāo)準(zhǔn)卷積Conv模塊更換為MobileNetV3中所提出的卷積模塊；第二，基于Bottleneck的結(jié)構(gòu)搭建出MBottleneck的瓶頸式卷積模塊，該結(jié)構(gòu)在保障較低參數(shù)量的條件下提取圖像特征時(shí)更加靈活，縮放卷積核大小后提取到的特征更具有特異性；第三，通過(guò)使用MConv和MBottleneck借鑒參差結(jié)構(gòu)搭建出C3M，其中參差結(jié)構(gòu)能夠有效避免梯度消失的弊端，合理的加深網(wǎng)絡(luò)的層數(shù)，這能夠進(jìn)一步提升模型的特征獲取能力；第四，實(shí)驗(yàn)設(shè)置基于公開(kāi)農(nóng)業(yè)蟲(chóng)害數(shù)據(jù)集IP102，使用C3M模塊替換原模型中Neck的C3提升模型Neck對(duì)于主干遞交的圖像特征的接收能力，結(jié)果表明模型的收斂速度在相同訓(xùn)練參數(shù)的配置下改進(jìn)后模型保持了與原模型一致的mAP指標(biāo)，且AP50指標(biāo)、模型收斂速度有所提升。
長(zhǎng)春工業(yè)大學(xué)
授權(quán)發(fā)明
