摘要
自动化监测农产品病虫害情况,可以早期发现问题并采取防控措施,减少农作物的损失.一种基于YOLOv7的检测方法以及一种通用的YOLO模型剪枝流程被用于解决农业病虫害检测算法冗杂、计算量大等问题.具体流程是:对农业数据集进行预训练初始化的YOLOv7模型;应用ResRep剪枝以获得稀疏化的小模型;设计带有中间层知识传递的Neck蒸馏训练策略恢复小模型精度,实现无损剪枝.以包含豆类作物角叶斑点病、草莓花枯病、番茄蜘蛛螨等12类作物病虫害真实图片的数据集为样本,实验结果表明,剪枝后模型的计算量和参数量分别减少了62％和76％,同时平均精度和推理速度分别提升了3.9％和40.4％.研究对提升农业病虫害问题智能检测等新质生产力具有重要的现实参考价值.
基金项目
安徽省高等学校省级质量工程项目(2022sx128)
安徽省高等学校省级质量工程项目(2022jyxm735)
维普
万方数据