基于改进 YOLOv3 的葡萄叶部病虫害检测方法

• 作者: 刘广 胡国玉 古丽巴哈尔·托乎提 赵腾飞 董娅兰
• 来源期刊: 微电子学与计算机
• 学科: 农学
• 关键词: 葡萄病害检测 深度学习 轻量化 注意力机制
• 年，卷（期）: 2023,（2）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 116-125
• 页数: 10页
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2022.0343

摘要

为了满足果园植保设备对于病害检测模型实时性、识别精度和轻量化的需求,提出了一种基于改进YOLOv3模型的葡萄叶部病害检测模型YOLO-SL.首先,引入轻量级网络ShuffleNetv2的组成模块优化YOLOv3原有的特征提取网络,以降低网络模型参数,然后在优化后的特征提取网络中融合了CBAM注意力机制,并在YOLOv3网络模型的特征金字塔结构中增加了一层小目标特征检测层,以提升检测模型识别精度.最后,在经过数据增强的数据集上进行了不同检测模型的对比试验,试验结果表明YOLO-SL模型平均检测精度可达90.4%,平均检测时间降低到32.2 ms,权重大小降低为原YOLOv3模型的18.3%,可以为葡萄叶部病害检测技术在实际工作环境中的应用提供参考.