农业机械学报

作者：袁杰，谢霖伟，郭旭，梁荣光，张迎港，马浩田

单位：新疆大学,新疆大学,新疆大学,新疆大学,新疆大学,新疆大学,

关键词：苹果叶片;病害检测;YOLO v7;多尺度融合;注意力机制

基金：国家自然科学基金项目（62263031）和新疆维吾尔自治区自然科学基金项目（2022D01C53）

针对苹果叶片疾病形态多样、分布密集，导致检测精度不高的问题，提出了一种改进的YOLO v7模型。首先，用双向特征金字塔网络（BiFPN）替代YOLO v7中原有的特征融合方法，以提高模型对苹果叶片上不同尺度病害的检测能力。其次，在YOLO v7的ELAN和E-ELAN模块之后，增加高效通道注意力机制（ECA），以增强模型对苹果叶片病害特征的提取能力，并提高检测精度。最后，将YOLO v7的损失函数改为SIOU损失函数，以加快模型的收敛速度。实验结果表明：改进YOLO v7模型精确率为89.4%，召回率为81.5%，mAP@0.5为90.5%，mAP@0.95为62.1%，与原始YOLO v7模型相比，分别提高4.9、5.2、3.5、4.6个百分点。改进YOLO v7模型与Faster R-CNN、SSD、YOLO v3、YOLO v5s、YOLO v7模型相比，mAP@0.5分别提升40.9、20.3、4.0、2.3、3.5个百分点，单幅图像检测时间为12ms。

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