基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计  

Tomato disease identification and system design based on ActNN-YOLO v5s-RepFPN

作　　者：高泉 刘笠溶 张洁 高颜军 叶荣 Gao Quan

机构地区：[1]云南省作物生产与智慧农业重点实验室,云南昆明650201 [2]云南农业大学大数据学院,云南昆明650201 [3]云南农业大学食品科学技术学院,云南昆明650201

出　　处：《江苏农业科学》2024年第20期220-227,共8页Jiangsu Agricultural Sciences

基　　金：云南省重大科技专项(编号:202302AE090020、202002AE090010);云南省基础研究计划(编号:202101AU070096)。

摘　　要：作物病害的早期检测可以提高农作物的质量和生产力,为解决番茄病害识别模型在真实复杂场景中的泛化能力弱,易受作物品种、颜色特征、叶斑形状、疾病周期和环境因素干扰,对存储和计算资源依赖性强的问题,提出1个轻量化改进模型ActNN-YOLO v5s-RepFPN来研究多个区域场景中的番茄疾病,使用Mosaic数据增强方法来扩展数据,结合使用模型参数压缩技术ActNN来替换YOLO v5s网络中的组件模块,保留重要激活参数的同时不影响精确度,然后在YOLO v5s颈部网络内构建RepFPN特征金字塔,增加特征信息流通,实现计算和内存平衡的硬件神经网络设计。结果表明,改进的ActNN-YOLO v5s-RepFPN模型在番茄病害检测精度上达到了93.6%,检测速率为29.0帧/s,满足实时监测的要求,模型整体性能高于YOLO v5s、YOLO v4、Faster R-CNN等模型,在训练1000轮后精确率、召回率、mAP分别较YOLO v5s原模型高10.0、9.8、4.9百分点。最后,设计并实现了基于YOLO v5s模型的智能化番茄病害检测系统,为病害智能检测系统提供了可视工具。

关 键 词：病害检测 ActNN YOLO v5s RepFPN 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] S126[自动化与计算机技术—计算机科学与技术]