先进制造技术

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。

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。

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。