| 基于改进YOLOv7的棉田虫害检测 |
| |
| 引用本文： | 孙俊,贾忆琳,吴兆祺,周鑫,沈继锋,武小红.基于改进YOLOv7的棉田虫害检测[J].农业工程学报,2024,40(10):176-184. |
| |
| 作者姓名： | 孙俊 贾忆琳 吴兆祺 周鑫 沈继锋 武小红 |
| |
| 作者单位： | 江苏大学电气信息工程学院，镇江 212013 |
| |
| 基金项目： | 国家自然科学基金面上项目（31971788） |
| |
| 摘 要： | 棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题，提出一种ECSF-YOLOv7棉田虫害检测模型。首先，采用EfficientFormerV2作为特征提取网络，以加强网络的特征提取能力并减少模型参数量；同时，将卷积注意力模块（convolution block attention module，CBAM）嵌入到模型的主干输出端，以增强模型对小目标的特征提取能力并削弱背景干扰；其次，使用GSConv卷积搭建Slim-Neck颈部网络结构，在减少模型参数量的同时保持模型的识别精度；最后，采用Focal-EIOU（focal and efficient IOU loss，Focal-EIOU）作为边界框回归损失函数，加速网络收敛并提高模型的检测准确率。结果表明，改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值（mean average precision，mAP）为95.71%，检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比，ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点，并且改进模型具有参数量更小、检测速度更快的优势，可为棉田虫害快速准确检测提供技术支持。
|
| 关 键 词： | 模型 图像处理 棉田虫害 YOLOv7 注意力机制 Slim-Neck Focal-EIOU |
| 收稿时间： | 2024/1/26 0:00:00 |
| 修稿时间： | 2024/4/22 0:00:00 |
Detecting pests in cotton fields using improved YOLOv7 |
| |
| SUN Jun,JIA Yilin,WU Zhaoqi,ZHOU Xin,SHEN Jifeng,WU Xiaohong.Detecting pests in cotton fields using improved YOLOv7[J].Transactions of the Chinese Society of Agricultural Engineering,2024,40(10):176-184. |
| |
| Authors: | SUN Jun JIA Yilin WU Zhaoqi ZHOU Xin SHEN Jifeng WU Xiaohong |
| |
| Institution: | School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China |
| |
| Abstract: | |
| |
| Keywords: | models image processing cotton pests YOLOv7 attention mechanism Slim-Neck Focal-EIOU |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
