買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華南農(nóng)業(yè)大學(xué)申請的專利一種基于改進Yolo v3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115619719B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211172167.7，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于改進Yolo v3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法是由張建桃;吳錕杰;尹選春;文晟;林筱蕓設(shè)計研發(fā)完成，并于2022-09-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于改進Yolo v3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法在說明書摘要公布了：本發(fā)明涉及一種基于改進Yolov3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法，包括：采集并制作松材線蟲病疫區(qū)正射影像圖，經(jīng)圖像預(yù)處理后得到原始數(shù)據(jù)集；對Yolov3網(wǎng)絡(luò)模型的主干特征提取網(wǎng)絡(luò)及預(yù)測分支部分模塊進行優(yōu)化，得到改進后的Yolov3網(wǎng)絡(luò)模型；對改進后的網(wǎng)絡(luò)模型進行訓(xùn)練，獲取檢測網(wǎng)絡(luò)最優(yōu)模型；使用最優(yōu)檢測模型對松材線蟲病疫木圖像進行檢測；將檢測到的松材線蟲病疫木的圖像與完整正射影像圖進行對照，得到真實的地理位置坐標，并統(tǒng)計得到圖像中檢測到的目標框即疫木的數(shù)量。本發(fā)明在大幅地減少模型參數(shù)量、降低存儲成本的同時，提高松材線蟲病疫木的檢測精度，通過定位與計數(shù)也能讓林業(yè)工作者更為準確地對疫木進行處理。

本發(fā)明授權(quán)一種基于改進Yolo v3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法在權(quán)利要求書中公布了：1.一種基于改進Yolov3網(wǎng)絡(luò)模型的松材線蟲病疫木檢測方法，其特征在于，包括以下步驟： S1、通過使用高分辨率無人機對包含松材線蟲病疫木的片區(qū)進行圖片采集，并制作正射影像圖，經(jīng)圖像預(yù)處理后，對圖像中的松材線蟲病疫木進行標注，將其作為訓(xùn)練Yolov3網(wǎng)絡(luò)模型的原始數(shù)據(jù)集； S2、針對松材線蟲病疫木的表現(xiàn)特征對原始Yolov3網(wǎng)絡(luò)模型的主干特征提取網(wǎng)絡(luò)及預(yù)測分支部分模塊進行優(yōu)化，得到改進后的Yolov3網(wǎng)絡(luò)模型； S3、利用步驟S1中經(jīng)預(yù)處理和標注后得到的訓(xùn)練數(shù)據(jù)集對改進后的Yolov3網(wǎng)絡(luò)模型進行訓(xùn)練，并根據(jù)設(shè)置對照實驗及驗證結(jié)果進一步對模型進行調(diào)整，獲取檢測松材線蟲病疫木的最優(yōu)網(wǎng)絡(luò)模型； S4、利用步驟S3中得到的最優(yōu)Yolov3網(wǎng)絡(luò)模型對松材線蟲病疫木圖像進行檢測； S5、將步驟S4中檢測到的松材線蟲病疫木的圖像與完整正射影像圖進行對照，根據(jù)投影坐標與地理坐標的轉(zhuǎn)換關(guān)系換算得到疫木真實的地理位置坐標，并統(tǒng)計所有圖像中檢測到的目標框樹木，獲取區(qū)域中松材線蟲病疫木的具體數(shù)量； 步驟S2的具體過程包括： S21、使用K-means++聚類算法對松材線蟲病疫木進行錨框尺寸的聚類，得到錨框最佳的尺寸； S22、采用Efficient-B1網(wǎng)絡(luò)作為Yolov3網(wǎng)絡(luò)模型新的主干特征提取網(wǎng)絡(luò)，并對Efficient-B1網(wǎng)絡(luò)中的激活函數(shù)進行優(yōu)化，將原本使用的Swish激活函數(shù)替換為Mish激活函數(shù)，其中，Mish激活函數(shù)的公式為： Mish＝x·tanhln1+ex 將Efficient-B1中的注意力機制進行改進，使用ECA模塊替換掉原本的SE模塊；ECA模塊嵌入到殘差塊主干分支并經(jīng)過不降低維度的全局平均池化后，利用一維稀疏卷積操作捕獲當前通道與其另外的領(lǐng)域通道信息進行交互； 采用的Efficient-B1網(wǎng)絡(luò)使用了Mobilenetv2中的MBConv塊作為模型的主干網(wǎng)絡(luò)，先將輸入的低維特征圖擴增成高維特征圖，然后用深度可分離卷積做卷積運算，再使用一個線性的卷積將其映射到低維空間中； S23、在預(yù)測網(wǎng)絡(luò)的第一分支前使用PPM模塊；在預(yù)測網(wǎng)絡(luò)的第一分支前，首先將主干特征提取網(wǎng)絡(luò)提取到的特征圖進行池化操作，然后對將池化后的結(jié)果進行1x1卷積，將通道數(shù)縮少到原來的14，接著對上一步的每一個特征圖利用雙線性插值上采樣得到原特征圖相同的尺寸，隨后將原特征圖和處理后的圖像進行拼接，再將通道數(shù)縮小為原來的數(shù)量，獲取得到全局上下文信息。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華南農(nóng)業(yè)大學(xué)，其通訊地址為：510642 廣東省廣州市天河區(qū)五山路483號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。