农业机械学报

作者：晁晓菲，池敬柯，张继伟，王孟杰，陈尧，刘斌

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：苹果叶片病斑;目标检测;YOLOv4网络;PSA-YOLO网络

基金：国家重点研发计划项目（2020YFD1100601）

为提高YOLOv4目标检测算法对苹果叶片小型病斑的检测性能，提出了一种PSA（金字塔压缩注意力）-YOLO算法。在CSPDarknet53的基础上融合了Focus结构和PSA机制，并采用网络深度减小策略，构建了参数量小、精确度高的PSA-CSPDarknet-1轻量化主干网络。其次在网络颈部，搭建了空间金字塔卷积池化模块，用极小的计算代价增强了对深层特征图的空间信息提取能力，并采用α-CIoU损失函数作为边界框损失函数，提高网络对高IoU阈值下目标的检测精度。根据实验结果，PSA-YOLO网络在苹果叶片病斑识别任务中的AP50达到88.2%。COCO AP@[0.5∶0.05∶0.95]达到49.8%，比YOLOv4提升3.5个百分点。网络对于小型病斑的特征提取能力提升幅度更大，小型病斑检测AP比YOLOv4提升3.9个百分点。在单张NVIDIA GTX TITAN V显卡上的实时检测速度达到69帧/s，相较于YOLOv4网络提升13帧/s。

来源：2022年第8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8期