改进RetinaNet的农作物病虫害检测模型研究 |
| |
引用本文: | 邢伟寅,李礁,钟乐海,韩正勇.改进RetinaNet的农作物病虫害检测模型研究[J].四川农业大学学报,2023(1):153-157+184. |
| |
作者姓名: | 邢伟寅 李礁 钟乐海 韩正勇 |
| |
作者单位: | 1. 菲律宾黎刹大学研究生院;2. 绵阳职业技术学院电子与信息学院 |
| |
基金项目: | 四川省科技计划重点研发项目(2022YFG0206); |
| |
摘 要: | 【目的】为快速准确检测密集遮挡环境下农作物病虫害情况,满足大规模、高效率的识别需求。研究提出了一种改进RetinaNet的农作物病虫害检测模型。【方法】结合DenseNet改造RetinaNet的特征提取网络,强化特征重用,提高深度网络模型对农作物害虫的识别率,准确、快速地识别出病虫害的种类。其非极大抑制算法采用了DIoU策略,有效降低了在目标密集的情况下农作物病虫害的漏检率,提高了检测精度。【结果】改进后的算法模型具有较高的检测精度和良好的实时性,对作物密集遮挡情况有较好的适应性,mmAP达到了49.8%。【结论】将模型应用于复杂的农作物生长环境中,能有效提升病虫害智能检测能力。
|
关 键 词: | 病虫害识别 深度学习 目标检测 RetinaNet |
|