轻量型Yolov7-TSA网络在茶叶病害检测识别中的研究与应用OACSTPCD
Research and Application of Lightweight Yolov7-TSA Network in Tea Disease Detection and Identification
针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题,提出一种新的Yolov7-TSA(Yolov7-Tiny-SiLU-Attention)轻量型网络架构对茶叶病害检测和分类.将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数,以提升检测精度,并防止过拟合.同时,通过融合坐标注意力机制进一步提升对目标轮廓和空间位置的特征感知能力.在含8种茶叶病害(含健康茶叶)的数据集上试验.结果表明,Yolov7-TSA网络对茶叶病害的识别准确率达到了 94.2％,与Yolov7-T、Yolov7网络相比,分别提升了 3.2、1.2个百分点.另外,Yolov7-TSA网络在参数量、浮点运算数、模型大小和单张图片推理时间方面表现出了显著的效果,与Yolov7网络相比,其分别降低了 83％、87％、83％和34％.该网络模型实现了对茶叶病害的检测与分类,同时平衡了识别准确率和实时性能.
李伟豪;詹炜;周婉;韩涛;王佩文;刘虎;熊梦园;孙泳
长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023||荆州市鹰拓科技有限公司,湖北荆州434023
农业科技
茶叶病害病害检测病害分类Yolov7-TSA坐标注意力轻量型网络计算机视觉智慧农业
《河南农业科学》 2023 (5)
162-169,8
国家自然科学基金面上项目(62276032)中国高校产学研创新基金——新一代信息技术创新项目(2020ITA03012)
评论