基于KSGM-YOLO的轻量级小目标实蝇检测模型  

A lightweight model for small-object drosophila detection based on KSGM-YOLO

作　　者：邓泓[1] 王祖明 尹乘乐 李越千 黄伟继 桂露 周帅 彭莹琼[1] Deng Hong

机构地区：[1]江西农业大学软件学院,江西南昌330000 [2]德布勒森大学,匈牙利德布勒森4032

出　　处：《江苏农业科学》2025年第5期213-223,共11页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62262028);江西省教育厅科学技术研究项目(GJJ210438、GJJ210434、GJJ2200423)。

摘　　要：实蝇害虫会对果蔬作物造成减产,进而影响农民的果蔬经济效益。由于实蝇类间相似性高且采集的样本多为小目标,导致传统的害虫识别模型不准确。为此,提出一种基于YOLO v7-tiny的轻量级小目标检测模型KSGM-YOLO。该模型首先设计了针对实蝇数据集的锚框聚类算法,生成了更有效的锚框;其次在Backbone中引入SimAM注意力机制,以增强模型对实蝇语义信息的特征提取能力;同时在原模型的Neck层中设计了GSCBL与GSELAN,以降低模型的参数量与计算量;最后采用MPDIoU损失函数计算定位损失,优化模型对小目标实蝇标注框的计算。此外本研究创建了实蝇数据集Drosophila-Four并在此数据集上进行了多项试验。试验结果显示,KSGM-YOLO相较于原模型,在精度方面提高了2.3百分点且参数量和计算量分别下降了6.3%和8.3%。这表明本研究提出的模型实现了更为准确的小目标实蝇检测需求,同时也取得了一定的轻量级优化效果。综上所述,本研究结果为果蔬作物提供了一种更准确的针对小目标害虫的轻量级检测方法,并为在边缘设备部署提供了可行性,能帮助农业工作者及时发现实蝇害虫,提高果蔬作物的产量和质量。

关 键 词：实蝇 YOLO v7-tiny KSGM-YOLO 小目标检测 轻量级 

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]