公开(公告)号：CN117912050A

公开(公告)日：2024-04-19

申请号：CN202311689888.X

申请日：2023-12-11

Applicant: 常州大学

Inventor： 徐伟悦 ,  张储 ,  孙浩楠 ,  嵇天宇

IPC: G06V40/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明涉及图像处理技术领域，尤其涉及基于改进YOLOX的小目标虫害识别方法及系统，包括采集虫害图像数据；构建改进YOLOX网络，将主干网络的四个CBS模块替换为RepVGG模块，RepVGG模块包含不同类型的卷积分支，学习虫害目标的全局和局部特征，针对虫害的多样性，增强模型表达能力，提高识别准确性。本发明解决现有YOLOX模型对高粱蚜虫这类小目标的检测精度不足以及缺乏支持实时性的嵌入式系统的问题。

公开(公告)号：CN114708231A

公开(公告)日：2022-07-05

申请号：CN202210371938.9

申请日：2022-04-11

Applicant: 常州大学

Inventor： 徐伟悦 ,  徐涛 ,  王炎 ,  陈伟 ,  张储

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及目标检测技术领域，尤其涉及一种基于轻量化YOLO v5的甘蔗蚜虫目标检测方法，包括：S1：甘蔗蚜虫图像采集；S2：图像预处理；S3：制作数据集；S4：对YOLO v5模型轻量化改进；S5：输入数据集训练得到轻量化模型。本发明使用Stem模块，ShuffleNetV2的Inverted Residual模块，减少颈部网络宽度来对YOLO v5模型轻量化，同时删除大尺度检测层，增加微小尺度检测层，使得网络能够更好地符合甘蔗蚜虫中密集微小目标的检测，与原始YOLO v5模型相比，具有识别精度高、识别速度快、内存占用率低等优点，有利于模型在移动终端上部署。

公开(公告)号：CN117853918A

公开(公告)日：2024-04-09

申请号：CN202410039910.4

申请日：2024-01-10

Applicant: 常州大学

Inventor： 张储 ,  徐伟悦 ,  杨如雪 ,  孙浩楠 ,  陈伟

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于优化后的RT‑DETR模型的红花目标检测方法和装置，包括：S1：基于采集到的红花的图像样本构建数据集；S2：对所述数据集中的图像样本包含的红花目标进行标注生成与所述图像样本对应的标注文件；S3：将所述数据集中的图像样本和与之对应的标注文件划分为训练集和测试集；S4：使用Inner‑IoU损失函数和OrthoBasicBlock模块优化RT‑DETR目标检测模型；S5：通过所述训练集中包含的图像样本和与之对应的标注文件训练优化后的RT‑DETR目标检测模型；S6：利用训练后的已优化的RT‑DETR目标检测模型对采集到的红花的图像样本进行检测。通过使用Inner‑IoU损失函数和OrthoBasicBlock模块优化RT‑DETR目标检测模型，提高模型收敛速度和检测精度，增强模型对目标的识别和定位能力。