(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 202211338472.9 (22)申请日 2022.10.28 (71)申请人 北京市农林科 学院 地址 100097 北京市海淀区曙光 花园中路9 号 (72)发明人 罗长寿　赵瑞芳　魏清凤　陆阳　 于峰　王富荣　余军　郑亚明　 曹承忠　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 张正秋 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于YOLO v4的农业病虫害检测方法及装置 (57)摘要 本发明提供一种基于YOL O v4的农业病虫害 检测方法及装置， 通过将待检测农业病虫害图像 输入基于YOLO  v4的农业病虫害检测模型； 根据 基于YOLO v4的农业病虫害检测模型得到检测结 果； 基于YOLO  v4的农业病虫害检测模型中包括 引导头和辅助头， 检测结果根据引导头输出预测 结果和辅助头输出预测结果加权求和得到， 通过 增加辅助头， 可以增加备选分类结果， 避免漏检， 提高农业病虫害检测的准确性。 权利要求书2页 说明书8页 附图4页 CN 115546186 A 2022.12.30 CN 115546186 A 1.一种农业病虫害检测方法， 其特 征在于， 包括： 将待检测农业病虫害图像输入基于 YOLO v4的农业病虫害检测模型； 根据所述基于 YOLO v4的农业病虫害检测模型 得到检测结果； 所述基于YOLO  v4的农业病虫害检测模型中包括引导头和辅助头， 所述检测结果根据 所述引导头 输出预测结果和辅助头 输出预测结果加权求和得到 。 2.根据权利要求1所述的农业病虫害检测方法， 其特 征在于， 还 包括： 根据所述引导头生成粗标签和所述细标签， 所述粗标签用于辅助辅导头进行训练， 所 述细标签用于 辅助引导头进行训练。 3.根据权利要求2所述的农业病虫害检测方法， 其特征在于， 所述基于YOLO  v4的农业 病虫害检测模型的训练过程包括： 根据损失函数计算所述引导头 输出预测结果与真实结果之间的第一损失值； 根据所述第一损失值和所述细标签指导所述引导头 输出预测结果； 根据损失函数计算所述辅助头 输出预测结果与真实结果之间的第二损失值； 根据所述第二损失值和所述 粗标签指导所述辅助头 输出预测结果。 4.根据权利要求3所述的农业病虫害检测方法， 其特 征在于， 所述损失函数公式为： 其中， 为损失函数， K,S2,B分别为输出的特征图、 cell和每个cell中的先验 框数量； α*表示各个子损失函数的权重， 表示第k个输出的特征图， 第i个cell， 第j个先 验框是否为正样本， 如果是正样本则为1， 反之为0； tp,tgt是预测向量和真实值向量； 为平衡系数用于平衡 每个尺度的输出 特征图的权 重。 5.根据权利要求 4所述的农业病虫害检测方法， 其特 征在于， 所述子损失函数， 包括： 坐标损失函数、 目标置信度损 失函数和分类损 失函数， 其中目标置信度损 失函数和分 类损失函数采用带l og的二值交叉熵损失函数， 坐标损失函数采用CI oU损失函数。 6.根据权利要求1所述的农业病虫害检测方法， 其特征在于， 所述基于YOLO  v4的农业 病虫害检测模型根据训练样本集进行训练得到， 所述训练样本集 生成过程包括： 将训练数据集中的多个GT框进行聚类操作得到多个先验框； 将每个GT框与每 个先验框进行匹配； 根据匹配结果筛 选出正样本、 负 样本和背景； 根据所述 正样本、 负 样本和背景生成训练样本集。 7.根据权利要求6所述的农业病虫害检测方法， 其特征在于， 所述训练样本集生成过程 还包括： 将离GT框的中心位置最近的预设个数邻域网格作为 正样本。 8.根据权利要求6所述的农业病虫害检测方法， 其特征在于， 所述根据匹配结果筛选出 正样本、 负 样本和背景， 包括：权　利　要　求　书 1/2 页 2 CN 115546186 A 2分别计算每个GT框与每个先验框的框尺寸比值， 所述框尺寸比值包括框宽比值和框高 比值； 若所述框尺寸比值的最大值小于预设比值阈值， 则判定对应GT框为 正样本； 若所述框尺寸比值的最大值 不小于预设比值阈值， 则判定对应GT框为负 样本； 若GT框与任一先验框的框尺寸比值小于等于1， 则判定所述GT框为背景。 9.根据权利要求6所述的农业病虫害检测方法， 其特征在于， 若一个GT框与多个先验框 的框尺寸比值均大于预设比值阈值， 包括： 将大于预设比值阈值对应的多个先验框按照匹配代价从小到大排列， 所述匹配代价根 据预测结果和真实结果计算出的I oU损失与分类损失相加得到； 根据所述先验框的排列顺序依次筛 选出预设数量阈值的先验框作为 正样本。 10.一种农业病虫害检测检测装置， 其特 征在于， 包括： 输入模块， 用于将待检测农业病虫害图像输入基于 YOLO v4的农业病虫害检测模型； 输出模块， 用于根据所述基于YOLO  v4的农业病虫害检测模型得到检测结果； 所述基于 YOLO v4的农业病虫害检测模型中包括引导头和辅助头， 所述检测结果根据所述引导头输 出预测结果和辅助头 输出预测结果加权求和得到 。 11.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至9任一项所 述的农业病虫害检测方法。 12.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至9任一项所述的农业病虫害检测方法。权　利　要　求　书 2/2 页 3 CN 115546186 A 3