基于改进YOLOv3模型的苹果树叶片病斑检测

摘要：

为解决在自然环境情况下叶片病斑检测精度低及鲁棒性差等问题,以自然环境情况下的苹果树叶为研究对象,提出了一种改进的YOLOv3病斑检测模型.首先,在特征提取阶段引入特征金字塔注意力机制,通过所提模型将注意力信息融入到特征提取过程中,提升对较小病斑及易被忽略叶片疾病的检测效果;其次,对引入的注意力模块进行结构优化,在兼顾检测速度的基础上提升模型的检测精度.对比研究表明,改进后的网络模型具有良好的鲁棒性,平均精度均值为89.79％,而对比FasterR-CNN、Retinanet、YOLOv3网络的平均精度值仅分别为72.61％、69.07％、80.91％.

关键词：目标检测;病斑检测;YOLOv3模型;特征金字塔注意力

所属期刊栏目：16

分类号：TP391.4(计算技术、计算机技术)

资助基金：天津市科技计划项目19YFZCSN00360

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1202-1208