-
题名改进YOLOv8的农作物叶片病虫害识别算法
- 1
-
-
作者
张书贵
陈书理
赵展
-
机构
开封大学信息工程学院
河南省高标准农田智能灌溉工程研究中心
开封市农业物联网工程技术中心
-
出处
《中国农机化学报》
北大核心
2024年第7期255-260,共6页
-
基金
河南省高等学校重点科研项目计划(21A520029)。
-
文摘
针对传统检测网络难以准确、高效地提取农作物叶片病虫害特征信息的问题,通过改进YOLOv8网络,提出一种多层级多尺度特征融合的农作物叶片病虫害识别算法。通过学习不同层级特征直接的特征关系,构建多层级特征编码模块,学习全面的特征表达;在Transformer的基础上设计多尺度空间—通道注意力模块,利用学习细粒度、粗粒度等多尺度全面的特征表达模式,捕获不同尺度特征之间的互补关系,并将所有特征表示有效融合起来,构成完整的图像特征表示,进而获取更佳的识别结果。在Plant Village公开数据集进行试验验证,结果表明:提出的改进方法能够有效提升配准精度,准确地识别出农作物叶片上同时存在的不同病虫害,对番茄叶片检测的mAP 0.5达到88.74%,比传统YOLOv8方法提升8.53%,且计算耗时没有明显增加。消融试验也充分证明所提各个模块的有效性,能够更好地实现高精度识别叶片病虫害,为农田智慧化管理提供有力支持和保障。
-
关键词
叶片病虫害识别
多层级特征编码
多尺度特征融合
通道注意力
特征表达
-
Keywords
recognition of leaf disease and pest
multi-level feature coding
multi-scale feature fusion
channel attention
feature expression
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
S43
[自动化与计算机技术—计算机科学与技术]
-
