基于改进YOLOv4算法的番茄叶部病害识别方法 |
| |
引用本文: | 储鑫,李祥,罗斌,王晓冬,黄硕.基于改进YOLOv4算法的番茄叶部病害识别方法[J].江苏农业学报,2023(5):1199-1208. |
| |
作者姓名: | 储鑫 李祥 罗斌 王晓冬 黄硕 |
| |
作者单位: | 1. 东华理工大学信息工程学院;2. 国家农业信息化工程技术研究中心;3. 北京市农林科学院智能装备技术研究中心 |
| |
基金项目: | 江苏省科技计划重点及面上项目(BE2021379); |
| |
摘 要: | 为快速准确识别自然环境下的番茄叶片病害,提出一种基于改进YOLOv4算法的轻量化番茄叶部病害识别方法。该方法根据番茄病害特征采用K均值聚类算法调整先验框的维度,并使用宽度因子为0.25的MobileNetv1代替YOLOv4原有的主干网络CSPDarknet53进行特征提取,并在特征融合网络PANet中引入深度可分离卷积代替原有的3×3标准卷积,同时在主干网络的2个输出特征层和空间金字塔池化输出层分别嵌入卷积块注意力模块(CBAM),提高模型识别精度。试验结果表明,改进后的模型对8类番茄叶片整体检测精准性(mAP)为98.76%,参数量为12.64 M,传输帧数为1 s 101.76帧,相较于原YOLOv4模型,模型参数量减少80%,每秒传输帧数比原始YOLOv4模型提高了130%。
|
关 键 词: | YOLOv4 MobileNet 轻量化 注意力机制 病害 |
|
|