农业机械学报

作者：宋玲，曹勉，胡小春，贾沛沅，陈燕，陈宁江

单位：广西大学,广西大学,广西财经学院,广西大学,广西大学,广西大学,

关键词：木薯叶病害;复杂背景;YOLOX;目标检测;多尺度特征

基金：国家自然科学基金项目（62162003）、广西重点研发计划项目（桂科AB19110050）和南宁市科技重大专项（20211005）

为解决田间环境下由于叶片间遮盖和堆叠等因素引起的木薯叶病害识别困难的问题，本文提出一种基于改进YOLOX网络的木薯叶病害检测（Cassava leaf disease detection，CDD）模型。首先，对复杂背景下木薯叶病害图像数据集进行数据增强，以减少环境影响造成的识别困难。其次，在YOLOX网络的基础上，使用多尺度特征提取模块加强细粒度特征提取并降低模型计算量，同时嵌入通道注意力机制，提高网络的表征能力。最后，结合质量焦点损失函数作为分类损失函数辅助网络收敛，提高目标分类的准确性。实验结果表明，提出的CDD模型对复杂背景下木薯叶病害进行检测，网络参数量为5.04×106，平均精度均值达93.53%，比基础模型高6.02个百分点，综合检测能力优于多种主流模型。因此，本文提出的CDD模型对田间木薯叶病害具有更快更准确的检测能力，为实现农作物病害检测提供了可借鉴的方法。

来源：2023年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第3期