[发明专利]基于YOLOv5s-BC的柑橘木虱检测方法及系统

权利要求书

1.基于YOLOv5s-BC的柑橘木虱检测方法，其特征在于，包括以下步骤：

构建柑橘木虱检测数据集并进行数据预处理，得到待检测数据集；

构建YOLOv5s-BC模型；

所述YOLOv5s-BC模型具体包括输入模块、主干网络模块、颈部模块和预测模块，其中；

所述主干网络模块包括切片层、BottleneckCSP_C层、卷积层、SE-Net注意力层和池化层，所述BottleneckCSP_C层由卷积模块、瓶颈层、Conv2d卷积层、BatchNorm2d和SiLU激活函数组成，所述SE-Net注意力层插入位置为主干网络模块中的第七层卷积层与第八层池化层之间和第九层BottleneckCSP_C层之后，即SE-Net注意力层与主干网络模块中的卷积层、池化层和BottleneckCSP_C层之间为串联关系；

所述颈部模块包括FPN层和PAN层；

所述预测模块包括卷积层；

将待检测数据集输入至YOLOv5s-BC模型；

基于YOLOv5s-BC模型的输入模块，对待检测数据集进行数据增强处理，得到增强后的数据集；

基于YOLOv5s-BC模型的主干网络模块，对增强后的数据集进行特征提取处理，得到特征数据集；

基于YOLOv5s-BC模型的颈部模块，对特征数据集进行特征融合处理，得到融合后的数据集；

基于YOLOv5s-BC模型的预测模块，对融合后的数据集进行特征筛选处理，得到检测结果。

2.根据权利要求1所述基于YOLOv5s-BC的柑橘木虱检测方法，其特征在于，所述构建柑橘木虱检测数据集并进行数据预处理，得到待检测数据集这一步骤，其具体包括：

获取柑橘木虱样本图像；

选取预设数量的柑橘木虱样本图像进行随机裁剪处理，得到裁剪后的样本图像；

将裁剪后的样本图像按照预设顺序进行拼接处理，得到拼接后的样本图像；

将拼接后的样本图像与柑橘木虱样本图像进行合成，得到待检测数据集。

3.根据权利要求2所述基于YOLOv5s-BC的柑橘木虱检测方法，其特征在于，所述基于YOLOv5s-BC模型的主干网络模块，对增强后的数据集进行特征提取处理，得到特征数据集这一步骤，其具体包括：

将增强后的数据集输入至YOLOv5s-BC模型的主干网络模块；

基于主干网络模块的切片层，对增强后的数据集进行切片处理，得到切片后的数据集；

基于主干网络模块的BottleneckCSP_C层，对切片后的数据集进行降维处理，得到降维后的数据集；

基于主干网络模块的卷积层，对降维后的数据集进行卷积运算，得到运算后的数据集；

基于主干网络模块的SE-Net注意力层，对运算后的数据集进行挤压与激励操作，得到具有全局特征的数据集；

基于主干网络模块的池化层，对具有全局特征的数据集进行平均池化计算，得到特征数据集。

4.根据权利要求3所述基于YOLOv5s-BC的柑橘木虱检测方法，其特征在于，所述基于YOLOv5s-BC模型的颈部模块，对特征数据集进行特征融合处理，得到融合后的数据集这一步骤，其具体包括：

将特征数据集输入至YOLOv5s-BC模型的颈部模块；

基于颈部模块的FPN层，对特征数据集进行上采样操作处理，得到采样后的数据集；

基于颈部模块的PAN层，对采样后的数据集进行聚合浅层特征融合处理，得到融合后的数据集。

5.根据权利要求4所述基于YOLOv5s-BC的柑橘木虱检测方法，其特征在于，还包括对检测结果进行指标衡量计算，所述指标衡量计算包括精确率、召回率和平均精确率。

6.基于YOLOv5s-BC的柑橘木虱检测系统，其特征在于，包括以下模块：

预处理模块，用于构建柑橘木虱检测数据集并进行数据预处理，得到待检测数据集；

构建模块，用于构建YOLOv5s-BC模型；

所述YOLOv5s-BC模型具体包括输入模块、主干网络模块、颈部模块和预测模块，其中；

所述主干网络模块包括切片层、BottleneckCSP_C层、卷积层、SE-Net注意力层和池化层，所述BottleneckCSP_C层由卷积模块、瓶颈层、Conv2d卷积层、BatchNorm2d和SiLU激活函数组成，所述SE-Net注意力层插入位置为主干网络模块中的第七层卷积层与第八层池化层之间和第九层BottleneckCSP_C层之后，即SE-Net注意力层与主干网络模块中的卷积层、池化层和BottleneckCSP_C层之间为串联关系；

所述颈部模块包括FPN层和PAN层；

所述预测模块包括卷积层；

检测模块，用于将待检测数据集输入至YOLOv5s-BC模型进行检测，得到检测结果；基于YOLOv5s-BC模型的输入模块，对待检测数据集进行数据增强处理，得到增强后的数据集；

基于YOLOv5s-BC模型的主干网络模块，对增强后的数据集进行特征提取处理，得到特征数据集；

基于YOLOv5s-BC模型的颈部模块，对特征数据集进行特征融合处理，得到融合后的数据集；

基于YOLOv5s-BC模型的预测模块，对融合后的数据集进行特征筛选处理，得到检测结果。