(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210307091.8 (22)申请日 2022.03.25 (71)申请人 华南农业大 学 地址 510642 广东省广州市天河区五山路 483号 (72)发明人 王卫星　刘泽凯　胡凯　曹亚芃　 廖飞　骆润玫　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 李冉 (51)Int.Cl. G06V 20/68(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/40(2022.01) G06V 10/32(2022.01) G06V 10/22(2022.01) G06T 7/00(2017.01) G06T 3/60(2006.01) G06T 3/40(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于改进EfficientDet的荔枝病虫害 检测方法 (57)摘要 本发明公开了一种基于改进EfficientDet 的荔枝病虫害检测方法， 针对实时场景下的图像 复杂背景采用Mo saic数据增强方法， 使模型学习 更丰富的背景信息， 且提升小目标的检测 效果； 采 用更轻量化的改进骨干特征提取网络 EfficientNetv2 ‑s， 提升网络的训练速度； 采用 SPP模块进一步提取有用的特征信息； 采用效果 比BiFPN更好的纵向跨层特征融合网络PaFPN， 提 升模型的检测效果； 采用CIoU Loss提升模型的收 敛速度和回归精度， 采用DIoU nms非极大值抑制， 减 少 对 重 叠 目 标 的 抑 制 。通 过 改 进 的 EfficientDet目标检测模型， 提供实时性更强， 准确率更高的实时场景下荔枝病虫害的检测识 别方法。 权利要求书2页 说明书9页 附图7页 CN 114898359 A 2022.08.12 CN 114898359 A 1.一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征在于， 包括以下具体步 骤： 步骤1： 获取原 始荔枝病虫害图像并进行筛 选； 步骤2： 对经过筛选的荔枝病虫害图像进行人工数据 标注生成标注文件， 根据荔枝病虫 害图像和标注文件构建数据集； 步骤3： 根据预设批次图像数量分批获取数据集中的荔枝病虫害图像， 将 获取的荔枝病 虫害图像 变换为预设尺寸， 再依次进行 预处理增强和Mosaic增强， 获得增强数据图像； 步骤4： 将所述增强数据图像和经过筛选的荔枝病虫害图像作为训练集输入模型中进 行训练， 获得训练后的改进Ef ficientDet检测模型； 步骤41： 将所述增强数据图像和经过筛选的荔枝病虫害图像输入到改进骨干特征提取 网络进行特征提取， 获得待融合特征图； 所述改进骨干特征提取网络引入Fused  MBConv卷 积模块和MBCo nv卷积模块， 并在网络末端增 加SPP模块； 步骤42： 将提取的所述待融合特征图经过PaFPN特征融合网络进行特征融合， 获得融合 特征； 步骤43： 将所述融合特 征输入到检测器中， 获得 预测结果； 步骤44： 根据预测结果计算损失和梯度， 更新权重， 对预测结果进行非极大值抑制， 获 得改进Ef ficientDet检测模型； 步骤5： 将采集的待检测实际场景图像输入所述改进EfficientDet检测模型中， 获得检 测结果。 2.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 步骤1中采用移动手机和/或高清摄像头采集荔枝病害病斑、 虫害以及虫害留下 的病 斑图像， 获得原 始荔枝病虫害图像； 对所述移动手机采集的图像进行内存压缩处 理。 3.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 步骤2中， 对荔枝病虫害图像进行人工数据标注的工具采用LabelImg， 并采用VOC数据 标注格式， 将后缀为xml的标注文件存放于annotations文件夹； 将所有荔枝病虫害图像和 对应的所有 标注文件进 行划分获得数据集， 数据集包括训练集、 验证集和测试集， 其中训练 集、 验证集、 测试集的划分比例为8 :1:1。 4.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 步骤3中， 预设尺 寸为1024 ×1024； 对荔枝病虫害图像进行的预处理增强包括镜像、 90 度翻转、 色域变换和噪声 添加， 获得新图像， 同时对人工数据标注的原标注信息进 行相应转 换获得新图像对应的新标注信息 。 5.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 步骤3中， 所述Mosaic数据增强具体过程包括： 步骤31： 采用像素点 填充法生成预设尺寸两倍的像素矩； 步骤32： 读取到数据集中一张所述荔枝病虫害图像后， 从数据集中随机选取另 外三张 图像， 对四张图像分别进 行随机的尺 寸缩放、 色域变换和翻转的图像操作， 将图像操作后的 四张图像按照像素矩的四个角进行对齐摆放， 对图像中重叠部分截取删除生成复合图像， 再将复合图像 变换为预设尺寸的新复合图像； 步骤33： 将新复合图像包含的四张图像对应的标注坐标进行转换， 生成与新复合图像权　利　要　求　书 1/2 页 2 CN 114898359 A 2相对应的新标注信息 。 6.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 步骤41中， 改进骨干特 征提取网络提取 特征具体步骤如下： 步骤411： 所述增强数据图像和经过筛选的荔枝病虫害图像作为训练样本图像， 对所述 训练样本图像进行一次步长为2的卷积， 再依次经过标准化和Swish激活函数， 获得特征图 像； 步骤412： 将所述特征图像输入浅层骨干网络中， 使用不同参数和重复次数的Fused   MBConv卷积模块 提取特征， 获得第一张待融合特 征图； 步骤413： 将所述第一张待融合特征图输入深层骨干网络中， 使用不同参数和重复次数 的MBConv卷积模块进一步提取特征， 获得第二张待融合特征图， 并在深层骨干网络末端使 用SPP模块对进一 步提取的特 征再进一步提取特征， 获得第三张待融合特 征图； 步骤414： 对第三张待融合特征图进行两次下采样， 依次获得第四张待融合特征图和第 五张待融合特 征图。 7.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 所述步骤43中检测器包括class  prediction  net和box predictionnet 两个网络； 所 述预测结果包括病虫害种类和病虫害位置信息 。 8.根据权利要求1所述的一种基于改进EfficientDet的荔枝病虫害检测方法， 其特征 在于， 所述步骤44中， 计算损失包括分类回归损失FocalLoss和边界框回归损失CIoU  Loss， 并使用DI oU ums对预测结果进行非极大值抑制。权　利　要　求　书 2/2 页 3 CN 114898359 A 3