基于GC-Cascade R-CNN的梨叶病斑计数方法

作者：薛卫; 程润华; 康亚龙; 黄新忠; 徐阳春; 董彩霞^*

来源：农业机械学报, 2022, 53(05): 237-245.

• 梨树叶片
• 病斑计数
• 级联网络
• 全局上下文特征
• 注意力机制
• 小目标检测

为提高梨叶片病害发生程度诊断的效率和准确性，本文提出基于全局上下文级联R-CNN网络(Global context Cascade R-CNN,GC-Cascade R-CNN)的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块(Global context feature model, GC-Model),建立有效的长距离和通道依赖，增强目标特征信息。引入特征金字塔网络(Feature pyramid network, FPN)融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集，增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类，完成病斑计数任务。在梨叶病斑图像测试中，模型的各类病斑平均精确率均值(Mean average precision, mAP)达89.4%,检测单幅图像平均耗时为0.347 s。结果表明，模型能够有效地从梨叶片病害图像中检测出多类病斑目标，尤其对叶片炭疽病斑检测效果提升显著；不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R2均大于0.92,表明模型病斑计数准确率较高。

• 单位
  南京农业大学; 福建省农业科学院