首页 | 官方网站   微博 | 高级检索  
     

基于改进 YOLOX 模型的柑橘木虱检测方法
引用本文:王海漫,俞 婷,肖明明,杨嘉诚,陈富荣,易干军,林德球,罗 敏.基于改进 YOLOX 模型的柑橘木虱检测方法[J].广东农业科学,2022,49(11):43-49.
作者姓名:王海漫  俞 婷  肖明明  杨嘉诚  陈富荣  易干军  林德球  罗 敏
作者单位:1. 广东省农业科学院农业生物基因研究中心 / 广东省农作物种质资源保存与利用重点实验室, 广东 广州 510640;2. 仲恺农业工程学院信息科学与技术学院,广东 广州 510225; 3. 广州航海学院信息与通信工程学院,广东 广州 510725; 4. 广东省农业科学院,广东 广州 510640; 5. 廉江市经济社会发展研究会,广东 廉江 524400
基金项目:广东省重点领域研发计划项目(2020B0202090005);廉江智库企业项目(廉江红橙黄龙病与木虱智 慧监控及生态防控技术应用示范)
摘    要:【目的】黄龙病被称为柑橘的“癌症”,是一种毁灭性病害,而木虱是黄龙病传播的主要媒介, 对木虱的监测和精准消杀是防控黄龙病及抑制其传播的一种有效途径。【方法】传统方式消灭木虱主要是靠人 工喷洒药物,人力成本高但防控效果并不理想。采用基于改进 YOLOX 的木虱边缘检测方法,在主干网络加入卷 积注意力模块 CBAM(Convolutional block attention module),在通道和空间两个维度对重要特征进行进一步提取; 将目标损失中的交叉熵损失改为使用 Focal Loss,进一步降低漏检率。【结果】本研究设计的算法契合木虱检测 平台,木虱数据集拍摄于广东省湛江市廉江红橙园,深度适应农业农村实际发展需要,基于 YOLOX 模型对骨干 网络和损失函数做出改进实现了更加优秀的柑橘木虱检测方法,在柑橘木虱数据集上获得 85.66% 的 AP 值,比 原始模型提升 2.70 个百分点,检测精度比 YOLOv3、YOLOv4-Tiny、YOLOv5-s 模型分别高 8.61、4.23、3.62 个 百分点,识别准确率大幅提升。【结论】改进的 YOLOX 模型可以更好地识别柑橘木虱,准确率得到提升,为后 续实时检测平台打下了基础。

关 键 词:柑橘  改进  YOLOX  模型  木虱防控  人工智能  目标检测

Detection of Citrus Psyllid Based on Improved YOLOX Model
WANG Haiman,YU Ting,XIAO Mingming,YANG Jiacheng,CHEN Furong,YI Ganjun,LIN Deqiu,LUO Min.Detection of Citrus Psyllid Based on Improved YOLOX Model[J].Guangdong Agricultural Sciences,2022,49(11):43-49.
Authors:WANG Haiman  YU Ting  XIAO Mingming  YANG Jiacheng  CHEN Furong  YI Ganjun  LIN Deqiu  LUO Min
Abstract:
Keywords:citrus  improved YOLOX model  prevention and control of psyllid  artificial intelligence  object detection
点击此处可从《广东农业科学》浏览原始摘要信息
点击此处可从《广东农业科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号