农业机械学报

作者：胡根生，谢一帆，鲍文霞，梁栋

单位：安徽大学,安徽大学,安徽大学,安徽大学,

关键词：茶叶病害;目标检测;无人机遥感;轻量型网络;LiTLBNet

基金：国家自然科学基金项目（32372632、62273001）、安徽省高等学校自然科学研究重大项目（KJ2020ZD03）和安徽省自然科学基金项目（2208085MC60）

针对无人机采集的茶叶枯病图像中病斑差异大，病斑和背景之间相似性高等问题，设计了一个轻量型网络LiTLBNet，用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络，用来提取茶叶枯病病斑的可区分特征，减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块，帮助网络在通道维度上学习目标的综合特征，减少因病斑和背景之间的相似性造成的误检，同时删除原基线网络最大的特征图，以减少计算量和模型大小。此外，本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量，提高小样本条件下LiTLBNet网络泛化能力。实验结果表明，利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%，平均精度均值为78.5%，与YOLO v5s接近。然而，LiTLBNet内存占用量仅2.0MB，是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

来源：2024年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第4期