首页 | 本学科首页   官方微博 | 高级检索  
     检索      

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
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