基于改进FCOS的水稻叶片病害检测模型

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型.首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集.为增强模型的泛化能力,对划分为训练集的图像进行数据增强,训练集图像由760张扩增到6 080张.然后构建检测模型,改进FCOS模型在原模型的基础上,在特征融合网络引入CBAM注意力模块;损失函数中,回归损失函数采用CIoU损失函数,分类损失函数和中心度损失函数与原FCOS模型保持一致.改进的FCOS模型在水稻叶片病害数据上的平均精度均值达77.7％,相比原FCOS模型提升了 2.3百分点,改进的模型在不明显提升检测时间的情况下,提升了模型的精度.通过试验与模型YOLOF、Faster R-CNN、VarifocalNet、NAS-FCOS、TOOD进行对比,结果表明本研究模型取得了最高的检测精度,且在检测精度和检测速度上取得了最高的权衡.结果表明,本研究提出的模型能够比较精准地识别水稻白叶枯病、胡麻叶斑病和叶瘟病,可以为水稻叶片病害的检测提供参考.

作者：

丁士宁、姜明富

展开 >

作者单位：

信阳农林学院信息工程学院,河南信阳 464000

澳门理工大学应用科学学院,澳门 999078

关键词：

改进FCOS模型水稻叶片病害图像 Pascal Voc格式 CBAM注意力模块 CIOU损失函数

基金：

河南省科技攻关项目河南省高等学校青年骨干教师培养计划信阳农林学院青年教师科研基金项目

项目编号：

2221022103002021GGJS176QN2021057

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.12.031

江苏农业科学

江苏省农业科学院

江苏农业科学

CSTPCD北大核心

影响因子：0.732

ISSN：1002-1302

年,卷(期)：2024.52(12)