基于改进FCOS的水稻叶片病害检测模型  

Rice leaf disease detection model based on improved FCOS

作　　者：丁士宁 姜明富 Ding Shining

机构地区：[1]信阳农林学院信息工程学院,河南信阳464000 [2]澳门理工大学应用科学学院,中国澳门999078

出　　处：《江苏农业科学》2024年第12期232-238,共7页Jiangsu Agricultural Sciences

基　　金：河南省科技攻关项目(编号:222102210300);河南省高等学校青年骨干教师培养计划(编号:2021GGJS176);信阳农林学院青年教师科研基金项目(编号:QN2021057)。

摘　　要：针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力,对划分为训练集的图像进行数据增强,训练集图像由760张扩增到6080张。然后构建检测模型,改进FCOS模型在原模型的基础上,在特征融合网络引入CBAM注意力模块;损失函数中,回归损失函数采用CIoU损失函数,分类损失函数和中心度损失函数与原FCOS模型保持一致。改进的FCOS模型在水稻叶片病害数据上的平均精度均值达77.7%,相比原FCOS模型提升了2.3百分点,改进的模型在不明显提升检测时间的情况下,提升了模型的精度。通过试验与模型YOLOF、Faster R-CNN、VarifocalNet、NAS-FCOS、TOOD进行对比,结果表明本研究模型取得了最高的检测精度,且在检测精度和检测速度上取得了最高的权衡。结果表明,本研究提出的模型能够比较精准地识别水稻白叶枯病、胡麻叶斑病和叶瘟病,可以为水稻叶片病害的检测提供参考。

关 键 词：改进FCOS模型 水稻叶片病害图像 Pascal Voc格式 CBAM注意力模块 CIOU损失函数 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]