基于改进YOLOX的实时马铃薯叶片病害检测方法  

Real-time potato leaf disease detection method based on improved YOLOX

作　　者：张凯萍 李国霞[2] Zhang Kaiping

机构地区：[1]许昌电气职业学院信息工程系,河南许昌461002 [2]郑州大学物理学院,河南郑州450001

出　　处：《江苏农业科学》2024年第20期199-208,共10页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62002330)。

摘　　要：随着深度学习在图像识别领域的广泛应用,目标检测算法已取得显著进展。然而,在农业病害检测特别是马铃薯叶病害检测方面,仍面临诸多挑战,如自然光影响和数据不平衡问题等。为此,提出一种改进YOLOX的马铃薯叶病害检测方法。首先以轻量化MobileNet v3网络作为骨干替换原有的CSPDarkNet53网络,以提高模型在特征提取上的效率,同时减少计算量。其次引入V通道网络,增加模型对复杂光照环境的适应性,更精确地捕获纹理信息。最后设计一种自适应的交叉熵损失函数,以解决样本不平衡的问题,确保模型的鲁棒性和准确性。在公开数据集PlantVillage上进行试验验证,结果表明,改进模型平均准确率、浮点运算次数、内存和FPS分别为98.55%、14.63×109次、49.35 MB、125.92帧/s。相比原始YOLOX模型,平均准确率和单帧识别速度分别提高4.38百分点、36.65%;浮点运算次数和内存分别降低43.23%、34.33%。此外,与不同模型对比试验以及嵌入式平台上的试验结果均表明,本研究提出的改进YOLOX模型在准确率、计算效率和速度方面均具有明显的优势,为农作物叶片病害检测提供了一种有效的解决方案。

关 键 词：马铃薯病害检测 YOLOX MobileNetv3 V通道网络 交叉熵损失 

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]