买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春工业大学申请的专利一种基于C3M-Yolov5s的农业虫害图像检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115578642B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211461266.7，技术领域涉及：G06V20/10；该发明授权一种基于C3M-Yolov5s的农业虫害图像检测方法是由冯云丛;赵翠星;崔海滨设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种基于C3M-Yolov5s的农业虫害图像检测方法在说明书摘要公布了：本发明提出一种基于C3M‑Yolov5s的农业虫害图像检测方法，该方法包括：第一，为了在卷积提取图像特征的同时降低原模型的参数量和计算成本，即加快网络的收敛速度，将原模型Yolov5标准卷积Conv模块更换为MobileNetV3中所提出的卷积模块；第二，基于Bottleneck的结构搭建出MBottleneck的瓶颈式卷积模块，该结构在保障较低参数量的条件下提取图像特征时更加灵活，缩放卷积核大小后提取到的特征更具有特异性；第三，通过使用MConv和MBottleneck借鉴参差结构搭建出C3M，其中参差结构能够有效避免梯度消失的弊端，合理的加深网络的层数，这能够进一步提升模型的特征获取能力；第四，实验设置基于公开农业虫害数据集IP102，使用C3M模块替换原模型中Neck的C3提升模型Neck对于主干递交的图像特征的接收能力，结果表明模型的收敛速度在相同训练参数的配置下改进后模型保持了与原模型一致的mAP指标，且AP50指标、模型收敛速度有所提升。

本发明授权一种基于C3M-Yolov5s的农业虫害图像检测方法在权利要求书中公布了：1.一种基于C3M-Yolov5s的农业虫害图像检测方法，其方法是通过如下步骤实现： 步骤一，针对原模型Yolov5标准卷积Conv模块conv2d+BN+SiLU的架构，将其更换为MobileNetV3的卷积模块，简称为MConv的卷积模块，该模块构建过程为：首先，在MobileNetV3中，如果输入层数量input等于隐藏层数量hidden，则进行第一种特征处理方式，上层输入x通过Depthwise卷积层、SE注意力机制和Pointwise卷积层；否则进行第二种特征处理方式，先通过Pointwise卷积层后再进入后续的Depthwise、SElayer和Pointwise层；此外，如果输入层input与输出层output相等且卷积的步长stride为1，则将上层输入x先进行上述第二种处理方式后得到结果y，最后输出x+y的参差结构；该模块参数量更少，有效降低了模型训练时的计算成本，即可减少模型的训练耗时； 步骤二，为了更加灵活地获取图像数据的特征信息，基于Bottleneck的结构搭建出MBottleneck的瓶颈式卷积模块，通过变化卷积核的大小得到不同的卷积特征，帮助网络学习到具有区别性的图像特征，从而帮助模型更好地完成检测目标； 步骤三，通过使用MConv卷积模块和MBottleneck瓶颈式的卷积模块借鉴参差结构搭建出C3M，具体操作包括：C3M的具体架构输入为x进入一次MConv卷积后分别进入MBottleneck层和MConv层之后得到的结果x1与x2，之后将x1+x2作为输入再进入MConv得到最终的输出y；参差结构的使用拓宽了网络的深度，进一步提升模型对于深层特征的学习能力，也能够预防训练模型时梯度消失的问题； 步骤四，在IP102数据集中，使用C3M模块替换原模型中Neck颈部的C3后进行训练，具体操作描述为：将改进后的C3M加入到原Yolov5模型的架构中，在替换Neck中的第一个C3模块后，模型在IP102数据集上与原模型参数设定一致的条件下，即训练轮数epoch、优化器使用SGD进行训练，目的是强化模型Neck部分对于Backbone网络学习到的图像特征的处理能力，得出改进检测模型更佳的训练结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春工业大学，其通讯地址为：130000 吉林省长春市延安大街2055号长春工业大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。