基于改进YOLOv4的水稻病害快速检测方法

作者：严陈慧子; 田芳明^*; 谭峰; 王思琪; 石景秀

来源：江苏农业科学, 2023, 51(06): 187-194.

DOI：10.15889/j.issn.1002-1302.2023.06.026

• 水稻病害
• 目标检测
• YOLOv4
• MobileNet V3
• 坐标注意力

针对水稻图像中复杂背景带来的病斑难以识别、检测速度慢等问题，以水稻稻瘟病、白叶枯病和胡麻斑病图像为研究对象，提出一种基于改进YOLOv4的水稻病害检测方法，该方法以YOLOv4模型为主体框架，采用轻量级网络MobileNet V3代替原始主干网络CSPDarkNet-53,并通过在颈部网络添加坐标注意力模块(coordinate attention module, CAM)来提高模型的性能。结果表明，改进后的模型对水稻稻瘟病、白叶枯病、胡麻斑病的识别准确率均有所提升，平均精度均值(mean average precision, mAP)为85.34%,与原始YOLOv4模型相比，mAP提高了1.32%,每秒钟检测图像的帧数(frames per second, FPS)为53.43帧/s,检测速度提高了49.62%,说明研究得出的方法具有较高的平均准确率及较快的检测速度，能够用于田间复杂环境下的水稻病害快速识别。

• 单位
  黑龙江八一农垦大学