当前位置: 首页 > 文章 > 基于YOLOv3的多类烟草叶部病害检测研究 中国烟草科学 2022,43 (2) 94-100
Position: Home > Articles > Detection of Various Tobacco Leaf Diseases Based on YOLOv3 Chinese Tobacco Science 2022,43 (2) 94-100

基于YOLOv3的多类烟草叶部病害检测研究

作  者:
刘延鑫;王俊峰;杜传印;丁睿柔;高强;宗浩;姜红花
单  位:
山东临沂烟草有限责任公司;山东潍坊烟草有限责任公司;山东农业大学信息科学与工程学院
关键词:
YOLOv3;烟草病害;病害检测;特征融合;深度学习
摘  要:
烟草叶部病害种类繁多,病理复杂,严重影响烟草产量及品质,烟草病害精准检测是烟草病害及时防治的前提.传统检测方式精准性差、效率低,基于深度学习的算法可提高烟草病害检测准确性.本文以5种较为常见的烟草病害(普通花叶病、黄瓜花叶病毒病、赤星病、烟草野火病、气候性斑点病)为研究对象,构建基于YOLOv3的烟草病害检测模型,实现烟草多类病害的精准快速检测.使用Darknet53特征网络提取烟叶病害特征并将不同尺度病害特征融合,并用K-means++算法对融合后特征进行分类和位置预测,通过非极大值抑制算法(NMS)去除冗余框,得到病害区域预测框.用田间实际采集的烟草病害数据集,对构建的YOLOv3病害检测模型与SSD(Single Shot multibox Detector)模型对比测试.结果表明,YOLOv3的mIoU为0.81,明显优于SSD的0.73,且YOLOv3模型的mAP为0.77,也高于SSD的0.69.本研究构建的YOLOv3烟草病害检测模型能有效定位烟叶病害区域,实现多类烟草病害的检测,为精准病害防治提供参考.
译  名:
Detection of Various Tobacco Leaf Diseases Based on YOLOv3

相似文章

计量
文章访问数: 11
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊