(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 202210211259.5 (22)申请日 2022.03.05 (71)申请人 中国农业科 学院烟草研究所 （中国 烟草总公司青州烟草研究所） 地址 266101 山东省青岛市崂山区科 苑经 四路11号 (72)发明人 任广伟　王新伟　王秀芳　徐蓬军　 (74)专利代理 机构 北京识然知识产权代理事务 所(普通合伙) 11975 专利代理师 王丹 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于烟草仓储害虫的检测方法、 系统及 装置 (57)摘要 本发明公开了一种用于烟草仓储害虫的检 测方法、 系 统及装置， 包括： 构建YoloX目标检测 模型， YoloX目标检测模型用于通过检测烟草仓 储害虫图像， 获取烟草仓储害虫图像中的害虫数 量； 采集具有不同时间戳的烟草仓储害虫图像， 基于YoloX目标检测模型进行识别， 获取害虫数 量； 根据时间戳、 害虫数量， 获取虫口密度动态曲 线， 并根据防治指标发出预 警信息， 其中， 预警信 息用于表 示害虫数量超出防治指标的时间戳； 本 发明针对烟草仓储害虫的检测， 识别准确度高， 尤其是对于堆叠重合目标的识别， 具有较高识别 精度和准确度， 为烟草仓储害虫智能监控提供了 新的技术思路。 权利要求书3页 说明书7页 附图2页 CN 114581848 A 2022.06.03 CN 114581848 A 1.一种用于烟草仓储害虫的检测方法， 其特 征在于， 包括： 构建YoloX目标检测模型， 所述YoloX目标检测模型用于通过检测烟草仓储害虫图像， 获取所述烟草仓储害虫图像中的害虫 数量； 采集具有不同时间戳的所述烟草仓储害虫图像， 基于所述YoloX目标检测模型进行识 别， 获取所述害虫 数量； 根据所述时间戳、 所述害虫数量， 获取虫口密度动态曲线， 并根据防治指标发出预警信 息， 其中， 所述预警信息用于表示所述害虫 数量超出 所述防治指标的所述时间戳。 2.根据权利要求1所述 一种用于烟草仓储害虫的检测方法， 其特 征在于： 在采集所述烟草仓储害虫图像的过程中， 通过嵌入复合性信息素诱捕器， 诱捕烟草仓 储害虫； 采集所述复合 性信息素诱捕器的所述烟草仓储害虫图像。 3.根据权利要求2所述 一种用于烟草仓储害虫的检测方法， 其特 征在于： 在诱捕烟草仓储害虫的过程中， 所述 诱捕烟草仓储害虫包括烟草粉螟和烟草甲。 4.根据权利要求3所述 一种用于烟草仓储害虫的检测方法， 其特 征在于： 在构建YoloX目标检测模型的过程中， 所述YoloX目标检测模型由CSPDarknet主干特征 提取模块、 FPN特 征融合模块、 Yo lo Head特征识别模块组成； 所述CSPDarknet主干特征提取模块用于根据所述烟草仓储害虫图像， 生成三个有效特 征层； 所述FPN特征融合模块用于将三个所述有效特征层进行特征融合， 获得不同尺度的特 征信息； 所述Yolo Head特征识别模块用于根据不同尺度的所述特 征信息， 获取 所述害虫 数量。 5.根据权利要求 4所述一种用于烟草仓储害虫的检测方法， 其特 征在于： 在构建Yo loX目标检测模型的过程中， 所述CSPDarknet主干特征提取模块由Inputs单元、 Focus单元、 五个Conv2D_BN_SiLU单 元、 三个CsPLayer单 元、 SPPBottleneck单 元、 四个CsPLayer单 元组成； 所述Inputs单元通过所述Focus单 元与第一Co nv2D_BN_Si LU单元连接； 所述第一Conv2D_BN_SiLU单元通过第二Conv2D_BN_SiLU单元与所述第一CsPLayer单 元连接； 所述第一CsPLayer单 元通过第三Co nv2D_BN_Si LU单元与第二CsPLayer单 元连接； 所述第二CsPLayer单 元通过第四Co nv2D_BN_Si LU单元与第三CsPLayer单 元连接； 所述第三CsPLayer单元通过第五Conv2D_BN_SiLU单元与所述SPPBottleneck单元连 接； 所述SPPBottleneck单 元与所述第四CsPLayer单 元连接； 所述FPN模块由两个Conv2D单元、 四个Concat+CSPLay单元、 两个UpSanmpling2D单元、 两个Downsample单元组成； 第一Conv2D单元分别与所述第四CsPLayer单元、 第一UpSanmp ling2D单元、 第四Concat +CSPLay单元连接； 所述第一UpSanmp ling2D单元通过第一Concat+CSPLay单元与第二Conv2D单元连接， 其 中， 所述第一Co ncat+CSPLay单元还与所述第三Co ncat+CSPLay单元连接；权　利　要　求　书 1/3 页 2 CN 114581848 A 2所述第二Co nv2D单元分别与第二UpSanmpl ing2D单元、 第三Co ncat+CSPLay单元连接； 所述第二UpSanmpl ing2D单元通过第三Co nv2D单元与第一Do wnsample单元连接； 所述第一Downsamp le单元通过所述第三Concat+CSPLay单元与第二Downsamp le单元连 接； 所述第二Do wnsample单元与所述第四Co ncat+CSPLay单元连接； 所述Yolo  Head特征识别模块包括第一Yolo  Head特征识别单元、 第二Yolo  Head特征 识别单元、 第三Yo lo Head特征识别单 元； 所述第一Yo lo Head特征识别单 元与所述第二Co ncat+CSPLay单元连接； 所述第二Yo lo Head特征识别单 元与所述第三Co ncat+CSPLay单元连接； 所述第三Yo lo Head特征识别单 元与所述第四Co ncat+CSPLay单元连接。 6.根据权利要求5所述 一种用于烟草仓储害虫的检测方法， 其特 征在于： 在构建YoloX目标检测模型的过程中， 所述CSPDarknet主干特征提取模块还用于根据 所述烟草仓储害虫图像， 生成四个有效特 征层； 所述FPN特征融合模块用于将四个所述有效特征层进行特征融合， 获得不同尺度的特 征信息。 7.根据权利要求6所述 一种用于烟草仓储害虫的检测方法， 其特 征在于： 在构建YoloX目标检测模型的过程中， 所述FPN模块由四个Conv2D单元、 七个Concat+ CSPLay单元、 三个UpSanmpl ing2D单元、 三个Do wnsample单元组成； 第一Conv2D单元分别与所述第四CsPLayer单元、 第七Concat+CSPLay单元、 第一 UpSanmpling2D单元连接， 其中， 所述第 一UpSanmpling2D单元与所述第 三CsPLayer单元连 接； 所述第一UpSanmpl ing2D单元通过第一Co ncat+CSPLay单元与第二Co nv2D单元连接； 所述第二Co nv2D单元分别与第六Co ncat+CSPLay单元、 第二UpSanmpl ing2D单元连接； 所述第二UpSanmp ling2D单元通过第二Concat+CSPLay单元与第三Conv2D单元连接， 其 中， 所述第二Concat+CSPLay单元与所述第二CsPLayer单元连接， 所述第三Conv2D单元与第 五Concat+CSPLay单元连接； 所述第三Conv2D单元通过第三UpSanmpling2D单元与第三Concat+CSPLay单元连接， 其 中， 所述第三Co ncat+CSPLay单元分别与第四Co nv2D单元、 所述第一CsPLayer单 元连接； 所述第四Co nv2D单元通过第四Co ncat+CSPLay单元与第一Do wnsample单元连接； 所述第一Downsample单元通过所述第 五Concat+CSPLay单元， 与第二Downsample单元 连接， 其中， 所述第二Do wnsample单元与所述第六Co ncat+CSPLay单元连接； 所述第六Concat+CSPLay单元通过第三Downsample单元与所述第七Concat+CSPLay单 元连接； 所述Yolo  Head特征识别模块包括第一Yolo  Head特征识别单元、 第二Yolo  Head特征 识别单元、 第三Yo lo Head特征识别单 元、 第四Yo lo Head特征识别单 元； 所述第一Yo lo Head特征识别单 元与所述第四Co ncat+CSPLay单元连接； 所述第二Yo lo Head特征识别单 元与所述第五Co ncat+CSPLay单元连接； 所述第三Yo lo Head特征识别单 元与所述第六Co ncat+CSPLay单元连接； 所述第四Yo lo Head特征识别单 元与所述第七Co ncat+CSPLay单元连接。权　利　要　求　书 2/3 页 3 CN 114581848 A 3