科创中国

本发明公开了一种基于轻量级网络的番茄病虫害检测方法，包括以下步骤：步骤1：获取番茄叶片图像；步骤2：对获取的番茄叶片图像进行标注处理，建立番茄病虫害数据集；步骤3：构建轻量级检测网络——M‑CenterNet‑YOLOv5；步骤4：对轻量级深度学习网络进行训练，使网络达到90％以上的检测精度；步骤5：使用构建的M‑CenterNet‑YOLOv5轻量级检测网络对番茄叶片图像进行检测，分析检测结果；步骤6：将轻量级深度学习网络部署在番茄大棚内，通过高清摄像头获取番茄生长阶段图像，将图像输入到轻量级深度学习网络中。本发明不仅在检测体积上有大幅度的减少，并且在检测精度上有很大的提升。

为了克服以上技术问题，本发明的目的在于提供一种基于轻量级网络的番茄病虫害检测方法，该检测方法不仅在检测体积上有大幅度的减少，并且在检测精度上有很大的提升。网络的主体使用YOLOv5目标检测网络，用于提高检测精度，在所述的YOLOv5网络的Neck部分加入自适应空间特征融合结构，用来原本网络中的FPN和PAN结构，又在FPN中加入了一个小目标检测层，用来丰富特征融合过程中的细节信息；

目前我国大部分地区还延用传统检测方法，传统的检测方法识别精度低、可靠性差、检测速度慢、耗费人力，并且在防治面积以及方法推广上存在一定的局限性，难以大面积推广，不能达到农业现代化、信息化的生产要求。

张开生，教授，博导。1.主持陕西省科技厅工业攻关项目2项（编号：2008K05-23、2017GY-063）；主持西安市科技局项目一项（编号：NC09057）；主持咸阳市科技局项目一项（编号：2011k07-11）；主持浙江温州轻工业研究院项目一项（编号：H20090030）；主持西安市未央科技局项目一项（编号：201203）；主持陕西省教育厅项目一项（编号：12JK0521）。2.发表国内外论文60余篇，其中ISTP、EI、SCI检索15篇；授权专利78项；2013年指导的创新项目在第三届中国杭州大学生创业大赛总决赛中入选百强项目；2014--2017年指导的全国研究生电子设计竞赛获国家二、三等奖，获陕西省一、二、三等奖，获优秀指导教师奖；2015年指导的研究生有2名获2015年度研究生国家奖学金。3.主参编本科教材4部：《单片机原理及应用技术》、《微机原理与接口》、《嵌入式原理及接口技术：递阶学习之LPC2103》、《物联网技术及应用》；其中《单片机原理及应用技术》获北京大学出版社特等奖，《微机原理及接口》获北京大学出版社一等奖。

本发明的有益效果：

1)本发明可以实现自动对番茄病虫害进行检测。

2)本发明在原有的YOLOv5网络颈部网络中加入了自适应空间特征融合结构和小目标检测层，提高了图片的特征融合，丰富特征融合过程中的细节信息，使网络的检测精度更高，检测精度可以达到95.2％。

3)本发明将YOLOv5的骨干网络替换为更加轻量的M‑CenterNet网络，此网络压缩了模型体积，使检测网络体积更加小，仅有28M，使网络的检测速度更快。

4)本发明新构建的M‑CenterNet‑YOLOv5轻量级检测网络通过将骨干网络设计为更加轻量级的M‑CenterNet网络，并在颈部网络中加入自适应空间特征融合结构和小目标检测层，使整个网络在特征融合，特征提取方面进一步提升，更好的提取图片中的关键信息，提高了网络的检测精度，并且模型体积有了很大程度的降低，使检测速度进一步提升。

5)本发明新构建的M‑CenterNet‑YOLv5轻量级检测网络有更小的体积，更便于在一些嵌入式设备中部署，便于大面积推广。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。。