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！

龙图腾网获悉安徽工业大学申请的专利一种基于改进YOLOv5s的番茄叶片病虫害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：CN116994056B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311008863.9，技术领域涉及：G06V10/764；该发明授权一种基于改进YOLOv5s的番茄叶片病虫害检测方法是由陶兆胜;石鑫宇设计研发完成，并于2023-08-08向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5s的番茄叶片病虫害检测方法在说明书摘要公布了：本发明公开一种基于改进YOLOv5s的番茄叶片病虫害检测方法，涉及目标检测技术领域，包括如下步骤：S1：使用Plant‑Village植物病害公开数据集中的番茄叶片病虫害图片形成番茄叶片病虫害数据集，具体包括三类：番茄晚疫病、番茄叶霉病、番茄黄叶卷曲病，利用开源软件LabelImg对不同种类病虫害进行锚框标注及类别划分；S2：将番茄叶片病虫害数据集划分为训练集、验证集和测试集，分别用于模型的训练和测试；S3：采用YOLOv5s作为基础模型，在原网络第四层添加DCAM注意力机制模块，使用融合了SwinTransformerBlock的C3STR模块替换原网络第六层的C3模块，同时利用BiFPN网络替换原YOLOv5s的Neck部分；本发明在增加少量的参数量和模型尺寸的条件下，提高了检测精度和检测效果。

本发明授权一种基于改进YOLOv5s的番茄叶片病虫害检测方法在权利要求书中公布了：1.一种基于改进YOLOv5s的番茄叶片病虫害检测方法，其特征在于，包括如下步骤： S1：使用Plant-Village植物病害公开数据集中的番茄叶片病虫害图片形成番茄叶片病虫害数据集，具体包括三类：番茄晚疫病、番茄叶霉病、番茄黄叶卷曲病，利用开源软件LabelImg对不同种类病虫害进行锚框标注及类别划分； S2：将番茄叶片病虫害数据集划分为训练集、验证集和测试集，分别用于模型的训练和测试； S3：采用YOLOv5s作为基础模型，在原网络第四层添加DCAM注意力机制模块，使用融合了SwinTransformerBlock的C3STR模块替换原网络第六层的C3模块，同时利用BiFPN网络替换原YOLOv5s的Neck部分，通过Head部分对番茄叶片病虫害的位置和类别进行预测，利用损失函数训练模型，收敛以后得到最终的模型权重； S4：将训练得到的最优模型权重部署到电脑端，将测试图像输入进行检测，产生最终检测结果； 步骤S3中，在原网络第四层添加DCAM注意力机制模块，该模块由通道注意力机制和空间注意力机制组成，其处理流程为：先将特征图输入通道注意力机制的两个通道； 在通道一中，特征图先经平均池化获取聚合特征，接着运用自适应卷积核的一维卷积生成权重，其中，自适应卷积核大小计算式如下： 其中，k为卷积核大小，C为通道数，γ和b为改变通道数与卷积核的权重，γ＝2，b＝1，‖odd为求奇运算； 在通道二中，特征图先平均池化提取聚合特征，然后运用全连接层FC赋予通道不同的权重；将两个通道的权重相叠加，并应用sigmoid函数归一化处理以求解通道注意力输出权重，最后将输入特征图与权重相乘，得到带有通道注意力权重的特征图，其中，通道注意力机制计算式如下： McFmc＝σW2δW1AvgPoolF+fk×kAvgPoolFF 其中，Mc为通道注意力机制，Fmc为具有通道注意力权重的特征图，σ为sigmoid函数，W1为第一个全连接层FC的权重，W2为第二个全连接层FC的权重，δ为ReLU激活函数，AvgPool为平均池化，fk×k为卷积核为k×k的卷积； 将带有通道注意力权重的特征图输入到空间注意力机制中，分别经最大池化和平均池化，然后运用Concat算法在通道维度上拼接池化结果，求解特征图空间权重，接着采用一个卷积核大小为7的卷积层进行降维，最后与输入的带有通道注意力权重的特征图相乘，获取即带有通道注意力权重又带有空间注意力权重的特征图，其中，空间注意力机制计算式如下： MsFsc＝σf7×7[AvgPoolFmc；MaxPoolFmc]Fmc 其中，Ms为空间注意力机制，Fsc为具有通道注意力和空间注意力权重的特征图，MaxPool为最大池化，f7×7为卷积核大小为7的卷积。

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安徽工业大学，其通讯地址为：243032 安徽省马鞍山市经济技术开发区南区嘉善科技园2号楼；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”。