当前位置: 首页 > 文章 > 基于改进YOLOv4算法的番茄叶部病害识别方法 江苏农业学报 2023,39 (5) 1199-1208
Position: Home > Articles > Identification method of tomato leaf diseases based on improved YOLOv4 algorithm Jiangsu Journal of Agricultural Sciences 2023,39 (5) 1199-1208

基于改进YOLOv4算法的番茄叶部病害识别方法

作  者:
储鑫;李祥;罗斌;王晓冬;黄硕
单  位:
关键词:
YOLOv4;MobileNet;轻量化;注意力机制;病害
摘  要:
为快速准确识别自然环境下的番茄叶片病害,提出一种基于改进YOLOv4 算法的轻量化番茄叶部病害识别方法.该方法根据番茄病害特征采用K均值聚类算法调整先验框的维度,并使用宽度因子为 0.25 的Mo-bileNetv1 代替YOLOv4 原有的主干网络CSPDarknet53 进行特征提取,并在特征融合网络PANet中引入深度可分离卷积代替原有的3×3 标准卷积,同时在主干网络的 2 个输出特征层和空间金字塔池化输出层分别嵌入卷积块注意力模块(CBAM),提高模型识别精度.试验结果表明,改进后的模型对 8 类番茄叶片整体检测精准性(mAP)为98.76%,参数量为 12.64 M,传输帧数为 1 s 101.76 帧,相较于原YOLOv4 模型,模型参数量减少 80%,每秒传输帧数比原始YOLOv4 模型提高了130%.
译  名:
Identification method of tomato leaf diseases based on improved YOLOv4 algorithm

相似文章

计量
文章访问数: 13
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊