农业机械学报

作者：罗斌，李家超，周亚男，潘大宇，黄硕

单位：新疆农业大学;北京市农林科学院,新疆农业大学;北京市农林科学院,北京市农林科学院,北京市农林科学院,北京市农林科学院,

关键词：稻瘟病孢子;目标检测;YOLO v8;轻量化;注意力机制

基金：国家重点研发计划项目（2022YFD2002301）

稻瘟病由稻瘟病孢子通过空气进行传播，严重影响水稻产量，因此，稻瘟病孢子的检测对于稻瘟病早期诊断与防治具有重要作用。针对现有方法存在检测速度慢的问题，本研究基于YOLO v8模型提出了一种稻瘟病孢子检测方法RBS-YOLO。首先，该算法在主干网络中引入PP-LCNet轻量化网络结构，减少模型每秒浮点运算次数并降低模型内存占用量，其次在颈部网络中引入高效多尺度注意力模块(Efficient multi?scale attention module, EMA)，并将原损失函数改进为WIOU损失函数，提高了模型识别稻瘟病孢子的精确率与平均精度均值。改进后的RBS-YOLO模型精确率与平均精度均值分别为97.3%和98.7%，满足稻瘟病孢子的检测需求，模型内存占用量与每秒浮点运算次数分别为3.46MB、5.2×109，同YOLO v8n相比分别降低41.8%与35.8%。RBS-YOLO模型与当前主流的YOLO v5s、YOLO v7、YOLO v8n模型对比,每秒浮点运算次数分别降低67.3%、95.1%、35.8%。研究结果表明RBS-YOLO模型能够满足稻瘟病孢子实时检测的需求，且有利于部署到移动端。

来源：2024年第11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11期