改进RetinaNet的农作物病虫害检测模型研究

【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。