基于YOLOv4-tiny模型的水稻早期病害识别方法  

An early rice disease recognition method based on YOLOv4-tiny model

作　　者：王圆圆 林建[1] 王姗 Wang Yuanyuan

机构地区：[1]福建农林大学机电工程学院,福建福州350108

出　　处：《江苏农业科学》2023年第16期147-154,共8页Jiangsu Agricultural Sciences

基　　金：国家重点研发计划(编号:2016YFD0300508)。

摘　　要：针对现有的卷积神经网络模型过于依赖设备的计算和存储能力、水稻病虫害形状大小不一、遮挡造成的病害特征显著性弱、漏检率高等问题,采用轻量化、易部署的YOLOv4-tiny模型检测和识别水稻病虫害。首先收集831张4种不同的水稻病害叶片图像样本,为了使模型具有更好的泛化能力,对已有数据进行数据增强,将样本数量扩增到了5320张。然后构建YOLOv4-tiny轻量化模型,与经典的YOLOv4算法模型相比,其主干特征提取网络CSPDarkNet53模块替换为CSPDarkNet53_tiny,使用CPSnet进行通道的分割,实现了网络模型的压缩并提高了训练速度;添加了FPN结构,对有效特征层进行特征融合;依据模型评价指标,通过试验将YOLOv4-tiny轻量化网络与经典的YOLOv4网络、Faster-RCNN网络、YOLOv4-MobileNet系列轻量化网络、YOLOv4-GhostNet轻量化网络和SSD轻量化网络进行对比。结果表明,YOLOv4-tiny的平均准确率可以达到81.79%,检测速度可以达到90.03帧/s,模型权重大小为22.4 MB,能够比较精准地识别水稻胡麻斑病、白叶枯病、稻瘟病和窄条斑病,保证在轻量化计算成本的基础上获得较好的检测精度,可以为水稻病虫害识别方法提供参考。

关 键 词：轻量化模型 YOLOv4-tiny 水稻病虫害 目标检测 精准农业 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]