农业机械学报

作者：薛卫，程润华，康亚龙，黄新忠，徐阳春，董彩霞

单位：南京农业大学,南京农业大学,南京农业大学,福建农业科学院,南京农业大学,南京农业大学,

关键词：梨树叶片;病斑计数;级联网络;全局上下文特征;注意力机制;小目标检测

基金：财政部和农业农村部：国家现代农业产业技术体系项目（CARS-28）

为提高梨叶片病害发生程度诊断的效率和准确性，本文提出基于全局上下文级联R-CNN网络（Global context Cascade R-CNN，GC-Cascade R-CNN）的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块(Global context feature model，GC-Model)，建立有效的长距离和通道依赖，增强目标特征信息。引入特征金字塔网络（Feature pyramid network，FPN）融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集，增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类，完成病斑计数任务。在梨叶病斑图像测试中，模型的各类病斑平均精确率均值（Mean average precision，mAP）达89.4%，检测单幅图像平均耗时为0.347s。结果表明，模型能够有效地从梨叶片病害图像中检测出多类病斑目标，尤其对叶片炭疽病斑检测效果提升显著；不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R2均大于0.92，表明模型病斑计数准确率较高。

来源：2022年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第5期