基于改进YOLOV5的玉米叶片病害识别研究

陈 　增, 涂 承胜
重庆三峡学院计算机科学与工程学院

摘要


玉米作为我国四大粮食之一，其玉米叶片本身会受到病害的困扰，导致减产甚至枯萎死亡。近年来，随着深度学习的兴起，卷积神经网络（CNN）也逐渐使用在农作物识别。首先，利用YoLov5模型对数据集进行翻转、图像分割以提高病害识别率。然后，针对传统神经网络识别率低等问题，加入注意力模块模块，改进后的YoLov5模型相比之前都有较大的提升。

关键词


玉米叶片；病害检测；深度学习；卷积神经网络；YoLov5

全文:

PDF


参考


[1]李香菊.近年我国农田杂草防控中的突出问题与治理对[J].植物保护，2018，44（05）：77-84

[2]吴孔明.中国农作物病虫害防控科技的发展方向[J].农学学报，2018，8（1）：35-38.

[3]张文景，蒋泽中，秦立峰：基于弱监督下改进的CBAM-Res-Net18模型识别苹果多种叶部病害[J].智慧农业（中英文）2023，5（01）：111-121.

[4]钊发，蒲智，程曦，等.基于轻量级MIE_Net的田间农作物病害识别[J].江苏农业科学，2023，51（10）：176-184.

[5]耿创，宋品德，曹立佳.YOLO算法在目标检测中的研究进展[J].兵器装备工程学报，2022，43（9）：162-173.

[6]王琳毅，白静，李文静，等.YOLO系列目标检测算法研究进展[J].计算机工程与应用，2023，59（14）：15-29.

[7]Liu S, Qi L, Qin H, et al. Path Aggregation Network for Instance Segmentation [C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018: 8759-8768.

[8]Hou Q,Zhou D, Feng J. Coordinate attention for efficient mobilenet work design[ C]. Proceedings of the IEEE/CVF conference on

[9]Ma N N, Zhang X Y, Sun J. Funnel activation for visual recognitionfCy/ComputerVision - ECCV 2020:16th European Conference, Glasgow, UK,August 23-28,2020,Proceedings,Part XI.ACM, 2020: 351-368.

[10]WANG JQ,CHENK,XU R,et al. CARAFE; content-aware ReAssembly of FEatures[C ]//2019 IEEE/CVF International Conference on Computer Vision (ICCV).Seoul, Korea ( South ) : IEEE, 2019: 3007-3016.




DOI: http://dx.doi.org/10.12361/2661-3786-06-02-132163

Refbacks

  • 当前没有refback。