基于改进YOLO v8模型的烟草食叶性害虫识别

扫码查看

原文链接

万方数据
维普

中文摘要：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.

作者：

张伟伟、陈赛越扬、崔英、沈广才、苏展、张卫正、李永亮、李萌

展开 >

作者单位：

郑州轻工业大学计算机科学与技术学院,河南郑州 450001

河北中烟工业有限责任公司,河北石家庄 050051

云南省烟草公司保山市公司,云南保山 678000

郑州轻工业大学烟草科学与工程学院,河南郑州 450001

展开 >

关键词：

烟草害虫识别技术 YOLO v8改进模型损失函数目标识别

基金：

河南省科技攻关项目河南省高等学校重点科研项目中国烟草总公司云南省公司科技计划

项目编号：

24210211033424B5200392022530000241022

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.17.028

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(17)