10.16036/j.issn.1000-2650.202212169
改进RetinaNet的农作物病虫害检测模型研究
[目的]为快速准确检测密集遮挡环境下农作物病虫害情况,满足大规模、高效率的识别需求.研究提出了一种改进RetinaNet的农作物病虫害检测模型.[方法]结合DenseNet改造RetinaNet的特征提取网络,强化特征重用,提高深度网络模型对农作物害虫的识别率,准确、快速地识别出病虫害的种类.其非极大抑制算法采用了DIoU策略,有效降低了在目标密集的情况下农作物病虫害的漏检率,提高了检测精度.[结果]改进后的算法模型具有较高的检测精度和良好的实时性,对作物密集遮挡情况有较好的适应性,mmAP达到了49.8%.[结论]将模型应用于复杂的农作物生长环境中,能有效提升病虫害智能检测能力.
病虫害识别、深度学习、目标检测、RetinaNet
41
TP391(计算技术、计算机技术)
四川省科技计划重点研发项目;四川省级知识产权专项资金项目
2023-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
153-157,184