基于改进YOLO_v3的红掌佛焰与病虫害特征检测研究_何平.pdf
《基于改进YOLO_v3的红掌佛焰与病虫害特征检测研究_何平.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLO_v3的红掌佛焰与病虫害特征检测研究_何平.pdf(5页珍藏版)》请在咨信网上搜索。
1、 第 卷 第 期 年 月:基于改进 的红掌佛焰与病虫害特征检测研究何 平,刘 荣,谭富林(浙大宁波理工学院 机电与能源工程学院,浙江 宁波;杭州电子科技大学 机械工程学院,杭州)摘要:针对红掌人工分级效率低下且易对红掌植株造成损伤的问题,提出改进 网络模型来实现对红掌佛焰与病虫害特征的提取与检测,实现红掌准确分级。将 特征金字塔网络替换双向特征金字塔 网络,提升模型的感受野。添加通道注意力模块,强化有效特征并减少噪声。使用解耦合检测头代替耦合检测头,提升模型的精度与泛化能力。实验结果表明,相比于 、等目标检测模型,在不明显降低检测速度的前提下,改进 模型对红掌佛焰与病虫害特征检测具有更高的精确
2、率和召回率,能适用大批量红掌分级鉴定,满足实际生产需求。关键词:特征检测;改进 ;红掌佛焰与病虫害;检测精确率中图分类号:;文献标志码:文章编号:(),(,;,):,()()(),:;收稿日期:基金项目:浙江省自然科学基金重点项目();浙江省高校实验室工作研究项目()作者简介:何 平(),男,浙江台州人,硕士,实验师,研究方向为实验教学与实验技术开发,辅助开展深度学习和目标检测工作。:;:引 言随着农业现代化的持续推进和农业经济趋向多元化,我国花卉产业也在不断实现技术化和规模化。红掌由于常年开花不断,已成为市场上最为流行的观赏花卉之一,有着极高的经济价值和观赏价值。红掌在大棚栽培中因其品质参差
3、不齐,给红掌定价带来了很大的困难,所以红掌出棚前需要按品质进行分级。第 卷红掌分级是根据红掌佛焰数、病虫害、冠幅、株高和花盖度等特征检测来确定。目前红掌品质鉴定多为人工方式,鉴定过程多次直接接触和搬运红掌,容易对红掌造成损伤,且人工鉴定存在一定的主观因素,不适合大批量红掌分级鉴定,所以迫切需要一种准确、高效的红掌特征检测技术,实现红掌准确分级。目前深度学习已广泛应用于多个领域,并且展现出优秀的效果。卷积神经网络作为深度学习网络的重要组成部分,主要负责对目标特征的检测和提取。红掌佛焰与病虫害特征较复杂,传统的检测算法难以实现对其检测与提取。本文利用卷积神经网络能提取图像深层特征的功能,提出改进
4、网络模型来实现对红掌佛焰与病虫害特征的提取与检测。改进 模型 模型 利用残差网络与多尺度检测实现目标检测,在目标检测方面具有泛化性高、精度高和实时性等优势,是目前流行且较为成熟的目标检测算法之一,能够快速对图像中目标进行定位和检测。网络模型由、和 组成,结构如图 所 示。其 中 为,是 的特征提取层,其包含了卷积层、池化层、残差层 等 模 块。为 特 征 金 字 塔 网 络(,),能实现不同尺度的输出。为 ,主要负责对特征图进行检测输出。模型的输入尺寸为 ,利用 层提取图像的特征图,将特征图输入 层,得到 个尺寸(、和 )的特征图,将其传递到 层进行检测。每个网格检测出 个不同宽、高比的目标检
5、测框及对应预测置信度,使用 非极大值抑制算法对重复的检测框进行合并和剔除,通过置信度阈值对预测框进行筛选,得到符合需求的目标检测结果。图 结构图 使用 加强网络对特征的融合红掌细菌性叶斑病和炭疽病在自然环境下存在尺寸较大差异、分布区域较为分散和部分目标较小的问题,的小目标检测性能较弱。为提升模型在小目 标 检 测 的 精 度,采 用 双 向 特 征 金 字 塔 网 络(,)结构进行 多 尺 度 特 征 融 合,利 用 跨 尺 度 连 接()和加权特征融合(),得到底层和高层语义信息的全局特征图,以提高网络模型对小目标红掌病虫害目标以及红掌佛焰检测的精确率。的具体工作原理为网络的不同特征层、和,
6、将特征图分别通过卷积层和全局池化层,获得特征图、和,将 进行上采样并与 堆叠得到;将 进行上采样并与进行堆叠得到,以此类推,获得特征图、和。以 和 为例:()()()()式中:为对应卷积操作;为上或下采样操作;为输入特征层;为输出特征层;为特征融合过程中的中间层;为需要学习的权重;为微小量。第 期何 平,等:基于改进 的红掌佛焰与病虫害特征检测研究经过 层处理实现了多尺度特征融合,同时实现了从输入端实现自上向下和自下向上的特征融合,使得输出的、和 个同时含有高层与低层语义信息的全局特征。本文在原有特征图中将底层特征图与深层特征图进行融合,提升网络的检测能力。由于 网络每个网格有 个检测框,本研
7、究通过 个特征层的融合改进 结构,得到 结合 网络结构,有效提升了模型的感受野,增强模型泛化能力。通道注意力模块 结构的优势是充分融合了浅层和深层的特征,预测特征图语义全局性水平不断增强,语义信息内容更加丰富,同时提升了模型对于小目标的检测能力。结构在多尺度特征融合中也存在些问题,过程会融合不同特征层的噪声特征,影响网络模型的检测效果。为解决上述问题,本文提出通道注意力模型(,),在 的输出层接入通道注意力模块,将通道注意力模块输出的特征图送入到 检测层进行预测。以提升模型的检测精确率与表达能力。将输入的特征图按照通道权重进行重新划分,能使模型更加注意有用的信息,同时抑制噪声对模型的干扰。解耦
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLO_v3 红掌佛焰 病虫害 特征 检测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。