农业机械学报

作者：赵辉，黄镖，王红君，岳有军

单位：天津理工大学,天津理工大学,天津理工大学,天津理工大学,

关键词：农田复杂环境;害虫识别;目标检测;深度学习;YOLO v7;Swin Transformer

基金：天津市科技支撑计划项目（19YFZCSN00360）

为使巡检机器人能够对体积小且密集、形态多变、数量多且分布不均的害虫进行高效精准识别，提出了一种基于改进YOLO v7的害虫识别方法。该方法将CSP Bottleneck与基于移位窗口Transformer（Swin Transformer）自注意力机制相结合，提高了模型获取密集害虫目标位置信息的能力；在路径聚合部分增加第4检测支路，提高模型对小目标的检测性能；将卷积注意力模块（CBAM）集成到YOLO v7模型中，使模型更加关注害虫区域，抑制背景等一般特征信息，提高被遮挡害虫的识别精确率；使用 Focal EIoU Loss 损失函数减少正负样本不平衡对检测结果的影响，提高识别精度。采用基于实际农田环境建立的数据集的实验结果表明，改进后算法的精确率、召回率及平均精度均值分别为91.6%、82.9%和88.2%，较原模型提升2.5、1.2、3个百分点。与其它主流模型的对比实验结果表明，本文方法对害虫的实际检测效果更优，对解决农田复杂环境下害虫的精准识别问题具有参考价值。

来源：2023年第10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10期