(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 202210822324.8 (22)申请日 2022.07.12 (71)申请人 郑州航空工业管理学院 地址 450052 河南省郑州市二七区大 学中 路2号 (72)发明人 余建国　丁元昊　王雯　靳梦欣　 王淑骁　石磊　翟颖　马云基　 (74)专利代理 机构 北京专赢专利代理有限公司 11797 专利代理师 李斌 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进型YOLOX的农作物病虫害识别方 法、 系统及存 储介质 (57)摘要 本发明涉及农业智能化相关领域， 公开了基 于改进型YOLOX的农作物病虫害识别方法、 系统 及存储介质， 通过残差网络Residual的使用， 不 需要处理残差边直接将主干的输入与输出结合， CSPnet网络可以优化残差边的处理， Focus网络 的可以扩宽通道数， SiLU激活函数在深度模型中 更加平滑， SPP结构可以提高网络的感受野， 使用 上采样和下采样可以进行特征融合， 通过将 YOLOX神经网络与 深度学习框架Keras相结合， 开 启num_worker多线 程并行GPU运算， 使得GPU 运算 速度大于其读取图像速度， 加快模型的训练速 度， 解决了因GPU的运算能力无法得到充分发挥 而导致的GPU 运算速度小于图像读取速度的问题 和因可视化程度较低而导致无法流畅开启视频 检测的问题。 权利要求书2页 说明书5页 附图2页 CN 115331020 A 2022.11.11 CN 115331020 A 1.一种基于改进型YOLOX的农作物病虫害识别方法， 其特 征在于， 包 含以下步骤： 接收来自传感单元的图片， 使用预设的CSPDarknet主干特征提取网络对所述图片进行 提取处理， 获取三个有效特征层， 所述提取处理包括对图片像素的切片计算、 通道数扩宽、 图像的宽高压缩以及特 征融合； 使用FPN加强特征提取网络对三个所述有效特征层进行加强处理， 获取与所述有效特 征层相对应的加强特 征的shape层， 所述加强处 理包括特 征处理与特征层堆叠； 通过YOLO  head预测网络对所述shape层进行预测和分析， 生成识别结果， 所述识别结 果用于对象标记。 2.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法， 其特征在于， 所 述CSPDarknet主干特征提取网络包括残差网络Residual、 CSPnet网络结构、 Foucus网络、 SiLU激活函数以及S PP结构； 所述残差网络Residual的主干部分用于执行一次1*1和一次3*3的卷积， 残差边部分不 做处理， 结合主干 部分的输入输出； 所述CSPnet网络结构用于将内部叠加的残差卷积块划分为分别继续在函数内部叠加 以及直接与网络最后连接的两个部分； 所述Foucus网络用于对所述 图片进行切片计算， 以获得多个独立的特征层， 并对所述 特征层进行叠加， 以将图像的宽高信息集中到通道信息， 将输入通道扩充相应倍数； 所述SiLU激活函数在网络结构中不具有上边界与下边界， 因此特性显示更加平滑与不 单调； 所述SPP结构通过不同池化核大小的最大池化进行 特征提取。 3.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法， 其特征在于， 所 述FPN包括上采样与特征结合、 CSPlayer特征提取与下采样与特征结合三个功能模块， 使用 FPN加强特 征提取网络对三个所述有效特 征层进行处 理的步骤主 要包括： 对所述有效特 征层进行 所述上采样与特 征层结合然后使用CS PLayer进行 特征提取； 对所述有效特 征层进行 所述下采样与特 征层结合然后使用CS PLayer进行 特征提取。 4.根据权利要求1所述的基于改进型YOLOX的农作物病虫害识别方法， 其特征在于， 所 述YOLO head预测网络包括Reg、 Obj与Cls三个功能模块； 所述Reg用于判断每一个特 征点的回归参数； 所述Obj用于判断每一个所述特 征点是否包 含物体； 所述Cls用于判断每一个所述特 征点所包 含的物体种类。 5.根据权利要求4所述的基于改进型YOLOX的农作物病虫害识别方法， 其特征在于， 所 述通过YOLO head预测网络对所述shape层进行 预测和分析的步骤具体包括： 通过Obj判断每个所述特征点是否包含物体， 并通过Cls对所述特征点的种类进行预 测， 最终由Reg对每 个所述特 征点的回归系数进行判断， 以获得识别结果。 6.一种基于改进型YOLOX的农作物病虫害识别系统， 其特 征在于， 包括： 主干特征提取模块， 用于接收来自传感单元的图片， 使用预设的CSPDarknet主干特征 提取网络对所述图片进行提取处理， 获取三个有效特征层， 所述提取处理包括对图片像素 的切片计算、 通道数扩宽、 图像的宽高压缩以及特 征融合； 加强特征提取模块， 用于使用FPN加强特征提取网络对三个所述有效特征层进行加强权　利　要　求　书 1/2 页 2 CN 115331020 A 2处理， 获取与所述有效特征层相对应的加强特征的shape层， 所述加强处理包括特征 处理与 特征层堆叠； 对象预测模块， 用于通过YOLO  head预测网络对所述shape层进行预测和分析， 生成识 别结果， 所述识别结果用于对象标记。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序在 被处理器执行时， 能够实现上述权利要求1 ‑5任一项所述的农作物病虫害识别方法。权　利　要　求　书 2/2 页 3 CN 115331020 A 3