- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于YOLOv5s算法的储粮害虫检测方法,包括以下步骤:S1、获取储粮害虫样本图像构建样本集并进行预处理,得到储粮害虫图像数据集,将图像数据集划分为训练集和验证集;S2、基于YOLOv5s算法构架,通过数据增强处理和主干网络轻量化处理得到优化模型;S3、将训练集输入优化模型进行训练,得到储粮害虫检测模型;S4、获取待识别的储粮害虫图像,并且输入到训练好的储粮害虫监测模型中进行识别,得到储粮害虫的种类和位置。本发明应用了深度学习中的多层卷积神经网络结构,解决目前储粮害虫检测存在的实时性低,模型
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116797834 A
(43)申请公布日 2023.09.22
(21)申请号 202310758408.4 G06T 3/40 (2006.01)
文档评论(0)