科研之友
微信
新浪微博
Facebook
分享链接
摘要
水稻在生长过程中易遭到害虫的侵蚀,从而严重影响水稻的产量和质量。本研究针对水稻害虫识别过程中存在的检测难度大、模型精度低、计算量大等问题,以稻纵卷叶螟等14类水稻害虫为研究对象,改进了YOLO v5检测算法,引入高效通道注意力机制[(efficient channel attention,EC A)注意力机制]与EIoU (Efficient-IoU)损失函数,并结合Ghost卷积,提出了一种基于改进的YOLO v5水稻害虫识别方法:(1)通过引入ECA注意力机制实现对水稻害虫识别过程中的重要信息的处理,采用跨通道信息交互,保证模型性能和降低复杂度;(2)引入EIoU损失函数代替CIoU(Complete-IoU)损失函数,从而降低原有CIoU损失函数存在的回归精度问题;(3)利用Ghost卷积替换CBS模块及C3模块中的标准卷积,实现模型轻量化处理。结果表明,改进后的模型较原始YOLO v5模型精度略微提升,参数量减少,模型体积降低至7.9 MB,较原模型减少了46%,与YOLO v7、Faster-RCNN模型相比,mAP比YOLO v7高1.91%,比Faster-RCNN高12.89%,且本研究模型体积最小,检测速度满足实时性要求,使水稻害虫检测识别能够更高效完成,为水稻害虫检测提供了一种更优的方法,对于水稻害虫的防治有重要意义。
- 出版日期2023
- 单位机电工程学院; 东北林业大学
