农业机械学报

作者：乔琛，韩梦瑶，高苇，李凯雨，朱昕怡，张领先

单位：中国农业大学,中国农业大学,天津市农业科学院,中国农业大学,中国农业大学,中国农业大学,

关键词：黄瓜霜霉病; 孢子; 目标检测; YOLO v5; FasterNet; NAM注意力

基金：国家自然科学基金项目（62176261）

黄瓜霜霉病由古巴假霜霉病菌孢子通过侵染引起，严重影响了黄瓜的品质和产量；病菌孢子数量与病情严重度相关，因此建立快速、简便和高效的病菌孢子定量检测方法，实现黄瓜霜霉病防治关口前移。基于YOLO v5模型提出了一种基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子定量检测模型，该模型首先提出了一种特征提取模块 C3_Faster，使用C3_Faster替换YOLO v5中的C3模块，有效降低了模型参数计算量和模型深度，提升了对黄瓜霜霉病菌孢子检测速度和精度；其次在主干网络中加入了NAM注意力模块，通过应用权重稀疏性惩罚抑制不显著权重，进而提高模型的特征提取能力和计算效率；最后实现了对黄瓜霜霉病菌孢子的定量检测。实验结果表明，Faster-NAM-YOLO模型在测试集上mAP@0.5和mAP@0.5:0.95分别达到95.80%和60.90%，对比原始YOLO v5模型分别提升1.80、1.20个百分点，较原始YOLO v5模型内存占用量和每秒浮点运算次数分别减少5.27MB和1.49×1010；通过与YOLO v3、THP-YOLO v5、YOLO v7、YOLO v8、Faster RCNN、SSD目标检测模型对比，Faster-NAM-YOLO在检测精度、模型内存占用量、每秒浮点运算次数和推理时间方面均具有显著优势；在1200像素×1200像素、1500像素×1500像素和1800像素×1800像素3种不同分辨率尺度及不同图像数量下进一步验证了Faster-NAM-YOLO模型具有较强的鲁棒性和泛化能力。

来源：2023年第12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12期