(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 202210371938.9 (22)申请日 2022.04.11 (71)申请人 常州大学 地址 213164 江苏省常州市武进区滆湖中 路21号 (72)发明人 徐伟悦　徐涛　王炎　陈伟　张储　 (74)专利代理 机构 常州市英 诺创信专利代理事 务所(普通 合伙) 32258 专利代理师 杨闯 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于轻量化YOLO v5的甘蔗蚜 虫目标检 测方法 (57)摘要 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YOL O 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。 权利要求书2页 说明书8页 附图6页 CN 114708231 A 2022.07.05 CN 114708231 A 1.一种基于轻量 化YOLO v5的甘蔗蚜虫目标检测方法， 其特 征在于， 包括以下步骤： 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。 2.根据权利要求1所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S1包括： 采集的图像包括四种光照强度： 弱光、 强光， 直 射光和漫射 光。 3.根据权利要求1所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S2包括： 采集的原 始图像分割为 一定像素的若干 子图像。 4.根据权利要求1所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S3包括： 使用Lab elImg对数据集中每幅图像的甘蔗蚜虫进行人工标注， 标注时以 目标的最小外 接矩形作为真实框 。 5.根据权利要求1所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S4包括： S41： 使用Stem模块 替换主干网络中的Focus模块； S42： 使用ShuffleNetV2的Inverted  Residual模块替换主干网络中的C3模块、 Conv模 块和SPP模块； S43： 降低颈 部网络宽度； S44： 改进检测尺度。 6.根据权利要求5所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S41包括： Stem模块结构首先使用步长为2的3 ×3卷积； 然后使用两分支的结构， 一个分支使用1 ×1卷积和步长为2的3 ×3卷积， 另一个分支使用一个最大池化； 最后将两个分支通过 Concat连接， 经 过1×1卷积输出， 图片经 过Stem模块后完成4 倍下采样。 7.根据权利要求5所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S42包括： 当步长为1时， Inverted  Residual模块利用不断重复的1 ×1卷积和3 ×3深度卷积提取 特征， 采用短路连接来增加网络深度； 在每个短路连接前加入Channel  split操作， 将输入 特征通道一分为二； 将两个分支通过Concat连接后加入Channel  shuffle模块， 把每个特征 通道打乱重排以混合特 征； 当步长为2时， Inverted  Residual模块使用下采样单元块， 每个特征通道都采用步长 为2的3×3深度卷积进 行下采样， 一个 分支在之后增加一个1 ×1卷积， 另一个 分支在前后各 增加一个1 ×1卷积， 两分支通过Concat连接； 最后使用Channel  shuffle模块， 把每个特征 通道打乱重排以混合特 征； 深度卷积是一个卷积核负责一个通道， 一个通道只被一个卷积核卷积。 8.根据权利要求5所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S43包括： 将 YOLO v5配置文件中颈部网络部分的C3模块和Conv模块卷积核数设为 128。权　利　要　求　书 1/2 页 2 CN 114708231 A 29.根据权利要求5所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S44包括： 轻量化YOLO  v5对应的3种规格的检测尺度分别为40 ×40、 80×80、 160× 160； 增加的160 ×160微尺度检测层是通过Stem  模块将输入图像的维数降低4倍提取的较 低的空间特 征与深层语义特 征融合来生成特征图。 10.根据权利 要求1所述的基于轻量化YOLO  v5的甘蔗蚜虫目标检测方法， 其特征在于， 所述步骤S5包括： 使用Pytorch1.7.0深度学习框架， 训练图像尺寸设置为640 ×640， 学习 率、 批量大小、 迭代次数和类别数分别设置为0.001、 16、 500和1； 采用Mosaic增强 的方法对 数据集图片进行 数据增强。权　利　要　求　书 2/2 页 3 CN 114708231 A 3