[发明专利]一种基于改进YOLOv7的自然树种识别方法

权利要求书

1.一种基于改进YOLOv7的自然树种识别方法，其特征在于，包括以下步骤：

获得自然树种图像，所述自然树种图像包括：训练图像和测试图像；使用Mosaic-8数据增强手段对所述训练图像进行数据增强，得到增强训练图像；

构建YOLOv7网络，对所述YOLOv7网络进行结构改进，得到改进YOLOv7模型；其中所述改进YOLOv7模型包括骨干网络、检测头层网络、注意力机制模块、Rep和Conv，通过所述检测头层网络输出四层不同尺寸的特征图；

基于所述增强训练图像，训练所述改进YOLOv7模型，得到训练好的改进YOLOv7模型；将所述测试集图像输入至训练好的改进YOLOv7模型，得到自然树种的识别结果。

2.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，对所述训练图像进行数据增强的过程包括：

选取若干张训练图像，对若干张训练图像进行随机裁剪、缩放、排列和拼接，得到增强训练图像。

3.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，对所述YOLOv7网络进行结构改进的过程包括：

将采样倍数增加至YOLOv7网络的特征金字塔结构中，对自然树种图像的小尺寸目标进行识别，得到新尺寸特征图，其中所述新尺寸特征图为位置信息。

4.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，所述改进YOLOv7模型中采用CIoU损失函数。

5.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，训练所述改进YOLOv7模型之前还包括：

对所述增强训练图像进行归一化预处理，得到预处理图像，通过划分所述预处理图像的长度和宽度，将预处理图像的特征尺度特定到预设区间。

6.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，训练所述改进YOLOv7模型的过程包括：

基于所述增强训练图像，训练所述改进YOLOv7模型，直至达到设定的学习迭代次数时完成训练，得到训练好的改进YOLOv7模型。

7.根据权利要求4所述的基于改进YOLOv7的自然树种识别方法，其特征在于，训练所述改进YOLOv7模型还包括：

基于所述CIoU损失函数，对锚点的长宽和位置进行回归，并预测锚点的类别，最终输出回归分类好的锚点。

8.根据权利要求1所述的基于改进YOLOv7的自然树种识别方法，其特征在于，通过所述注意力机制模块，得到每个特征通道的重要程度，基于所述重要程度，得到自然树种图像的局部信息。