基于yolov5的农业害虫图像目标检测

目录

前言

一、读取标记数据

1.数据下载

2.数据示例

3.数据预处理​​​​​​​

二、数据分析

三、算法介绍

1.卷积神经网络

2.yolov5

3.数据增强

4.自适应锚框

5.遗传算法实现超参数演化

一个小细节，best.pt的意义

四、云训练环境的搭建

五、训练结果

---

前言

其实是前段时间参加泰迪杯的赛题记录啦。

在农业生产中预防虫害的工作异常重要，传统的监视、检测方法不能适应工业化农业生产对虫害预防工作的需要。本文结合具体的数据特点，主要应用了yolov5算法建立农田害虫图像识别模型，确定害虫具体位置及类别，并对不同种类的害虫进行了数量统计。

一、读取标记数据

1.数据下载

数据是泰迪杯主办方提供的已经标记好的数据，4k画质的图片，总大小8个G

链接：https://pan.baidu.com/s/1fvmNHGrLvflEovjfCjDLOw?pwd=6666 
提取码：6666 

（如果过期了可以联系我补）

2.数据示例

图片

标签

3.数据预处理

yolov5要求的输入格式是txt，所以要把csv转成txt，

对于标签需要进行编码，比如这里的虫子编号7，228转成1号和13号，否则实测会报错，这是yolov5框架目前的缺陷

对于坐标进行归一化处理

2022泰迪杯自动提取csv表格文件中的数据，保存到符合YOLOv5格式的txt文件中，并修改标签值的代码实现_Flying Bulldog的博客-CSDN博客_csv转yolo

二、数据分析

分析使用的是泰迪杯平台提供的SPSSPRO数据分析平台，功能差不多就是Tableau+Spss，熟悉这两个软件的小伙伴应该懂我意思（笑）

由上图可以看出只有少部分图片中的害虫个数超过10个，大部分图片的害虫个数都是1到2个

 

由上图可知到标记样本的害虫目标绝大多数分布在图片的中间位置，极少数出现在图片的边缘

 

由上图和下表可知61%的图片里是没有害虫的，而在这些有标签的图片中只有八种害虫超过了总数的1%，其中八点灰灯蛾数量最多，占9.3%。

害虫名称

无

八点灰灯蛾

褐飞虱属