摘要
农业病害会导致作物脱叶早,光合作用减弱,从而影响作物质量,减少农民收入.针对病害初发期间目标小、背景复杂和室外光线变化大导致的目标误检问题,本文提出一种融合轻量级网络的YOLOv4检测算法.首先对主干网络进行剪枝并增加多尺度的分组卷积提高模型对复杂背景的抗干扰性,其次设计轻量级SCE(space channel expand)注意力机制降低深层网络中细节信息丢失的影响.最后设计跳跃连接特征金字塔(jump connection feature pyramid network,JC-FPN)替换PAnet(path aggregation network)特征融合模块从而进一步实现模型轻量化.实验结果表明,改进算法在本文数据集上的mAP50 达到了 84.17％,检测速度为50 FPS,相比于YOLOv4检测算法分别提高了 0.71％和10 FPS,满足移动端对农业病害的检测精度和速度的要求.
维普
万方数据