基于改进YOLOv4的林业害虫检测

作者：陈道怀; 汪杭军^*

来源：浙江农业学报, 2022, 34(06): 1306-1315.

• 林业害虫
• 害虫检测
• 深度学习

为了提高林业害虫检测的准确性，提出一种基于YOLOv4的改进算法。首先，基于智能害虫捕捉装置拍摄的图像，制作害虫数据集，采用K-means算法对样本数据集的目标框进行聚类分析，基于DIoU-NMS算法实现对害虫的计数功能；然后，在模型的路径聚合网络(PANet)结构上增加特征融合和104×104层级特征检测图，以提升对小个体害虫的识别率；最后，根据模型检测效率和复杂度，调整模型中的尺度特征图组合，在保证检测准确度的基础上，提升检测效率，并精简模型。试验结果表明，改进的YOLOv4模型的平均识别精度比传统YOLOv4模型提高了1.6百分点，且对于小个体害虫的识别效果更好，模型复杂度和模型参数量分别减少了11.9%、33.2%,检测速度提升了11.1%,更适于应用部署。

• 单位
  浙江农林大学暨阳学院; 浙江农林大学