科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】针对目前三七Panax notoginseng病害识别模型结构复杂、参数庞大，难以实现在移动设备上部署的问题，提出一种基于SSD(Single shot multibox detector)目标检测的改进模型，以期实现三七病害检测的便捷化、快速化与精准化。【方法】基于SSD模型架构，采用轻量化卷积神经网络(MobileNet)替换原始特征提取网络(VGG16)，降低主干网络的参数量与计算量，同时根据人类视觉皮层中群智感受野(pRF)的大小与其视网膜图中偏心率之间的函数关系，构建RFB模块，用该模块替换原SSD模型框架顶部卷积层，从而增强网络深层特征，提高轻量化模型的检测精度与检测速度，实现多尺度三七病害检测。【结果】与SSD模型相比，RFBMobileNet-SSD模型网络参数量和参数计算量分别降低了96.67%和96.10%。在不同天气条件下应用模型对4种不同病害数据进行验证发现，改进模型的准确率提高了4.6个百分点，召回率提高了6.1个百分点，F1精度提高了5.4个百分点，单幅图像检测时间由SSD模型的0.073 s缩短为0.020 s，尺寸仅为SSD模型的54.6%。【结论】改进后模型不仅能够满足三七叶片病害实时检测的要求，且更利于在移动设备中部署。此外，RFBMobileNet-SSD对于小区域病害检测能力表现更优且在复杂环境下抗干扰能力更强，更适合田间环境下的三七病害检测。
- 单位
