改进YOLOv3算法检测三七叶片病害

为了解决三七叶片密集病害和小区域病害检测不准确的问题,该研究提出了一种改进的YOLOv3（You Only Look Once v3）目标检测算法（AD-YOLOv3）对三七叶片各种病害进行检测。AD-YOLOv3使用注意力特征金字塔（Attention Feature Pyramid,AFP）替代YOLOv3中的原始特征金字塔,解决了特征融合过程中的干扰问题,提升了病害检测精度。使用双瓶颈层（Dual Bottleneck,DB）筛选注意力特征金字塔提取到的特征,增强特征的特异性,提升了算法的鲁棒性。AD-YOLOv3与YOLOv3相比在各项性能指标上均有提升,精确率提升2.83个百分点,F1精度提升1.68个百分点,平均精度均值（Mean Average Precision,mAP）提升1.47个百分点,针对小区域病害和密集病害的检测能力明显增强。此外,AD-YOLOv3在雾,雨,暗光等复杂环境下的抗干扰能力明显提升,该研究为三七叶片的病害检测提供了一种更优的智能检测方法。