首页|融合轻量级网络的农业病害检测

融合轻量级网络的农业病害检测

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Agricultural disease detection integrated into lightweight networks

agricultural diseaselightweight networkpruning operationmobile terminal detectionat-tention mechanism

黄友锐、方明帅、韩涛、董卉圆、刘玉文、刘权增

展开 >

安徽理工大学电气与信息工程学院,安徽淮南 232001

皖西学院,安徽六安 237012

安徽理工大学计算机科学与工程学院,安徽淮南 232001

农业病害 轻量级网络 剪枝操作 移动端检测 注意力机制

国家自然科学基金安徽省科技重大专项

617720331603091012

2023

10.16136/j.joel.2023.09.0453

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(9)
  • 2