摘要
烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾是烟草上重要的食叶性害虫,它们的准确识别是虫情预报和防治的基础.提出了基于改进的YOLO v8模型的烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾的识别方法,首先在YOLO v8的C2f模块中加入了 EMA注意力机制,提高了 YOLO v8模型对于烟草害虫的关注度;其次使用SIoU Loss改进YOLO v8的边界框损失函数,提高模型定位的准确性并加速模型收敛;最后利用AFPN渐近特征金字塔网络改进了 YOLO v8对非相邻特征的融合效果,提高了模型对烟草害虫特征提取的效率和准确率.与Faster R-CNN、SSD、Retinanet、YOLO v3-tiny、YOLO v4-tiny、YOLO v5s和YOLO v8等目标检测模型在本研究所构建的4种常见烟草害虫的数据集上进行对比,试验结果表明,本研究所提出的方法在精确率、召回率和平均精度均值(mAP)上比原有的YOLO v8模型及上述其他目标检测模型平均提高了 6.24、6.53、7.22百分点,为烟草害虫的精准识别提供了技术支持.
基金项目
河南省科技攻关项目(242102110334)
河南省高等学校重点科研项目(24B520039)
中国烟草总公司云南省公司科技计划(2022530000241022)
维普
万方数据