基于改进YOLOv4模型的茶叶病害识别

作者：孙道宗; 刘欢; 刘锦源; 丁郑; 谢家兴; 王卫星^*

来源：西北农林科技大学学报(自然科学版), 2023, 51(09): 145-154.

DOI：10.13207/j.cnki.jnwafu.2023.09.016

• 茶白星病
• 茶云纹叶枯病
• 茶轮斑病
• YOLOv4模型
• 茶叶病害识别

【目的】提出了一种改进的YOLOv4模型，为自然环境下3种常见茶叶病害(茶白星病、茶云纹叶枯病和茶轮斑病)的快速精准识别提供支持。【方法】使用MobileNetv2和深度可分离卷积来降低YOLOv4模型的参数量，并引入卷积注意力模块对YOLOv4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标，在相同的茶叶病害数据集和试验平台中，对改进YOLOv4模型与原始YOLOv4模型、其他目标检测模型(YOLOv3、SSD和Faster R-CNN)的病害识别效果进行对比试验。【结果】与原始YOLOv4模型相比，改进YOLOv4模型的大小减少了83.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1.6%,平均精度均值达到93.85%,图像检测速度为26.6帧/s。与YOLOv3、SSD和Faster R-CNN模型相比，改进YOLOv4模型的平均精度均值分别提高了6.0%,13.7%和3.4%,图像检测速度分别提高了5.5,7.3和11.7帧/s。【结论】对YOLOv4模型所使用的改进方法具备有效性，所提出的改进YOLOv4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。

• 出版日期2023
• 单位华南农业大学; 电子工程学院