一种茶叶病害的深度学习检测算法OACSTPCD
A Deep Learning Detection Algorithm for Tea Diseases
提出了一种改进的基于深度学习的茶叶病害目标检测算法.该方法在网络模型中添加坐标注意力机制,使模型细化特征,更加关注茶叶病害信息,从而抑制树枝、杂草等一些背景因素的干扰;选用CIoU作为模型的损失函数以提高定位能力;同时,通过聚类的方法对数据集中的目标边框进行重新优化,以获得更精准的先验框;并建立包含6种病害的茶叶病害数据集,解决了病害图像数据匮乏的问题.与其他算法对比实验结果表明,所提出的算法在多个指标上均有较好的表现,可为茶叶病害智能化诊断提供高效的解决方案.
An improved deep learning algorithm based tea disease target detection was proposed.A coordinate attention mechanism was incorporated into the network,which could enable the model to refine features and focus more on disease information,thereby suppress the interference from background factors such as branches and weeds.CIoU was selected as the loss function of the model to improve the localization capabilities.Simultaneously,the target bounding boxes in the…查看全部>>
孙艳歌;吴飞;周棋赢
信阳师范大学 计算机与信息技术学院,河南 信阳 464000信阳师范大学 计算机与信息技术学院,河南 信阳 464000信阳师范大学 河南省茶树生物学重点实验室,河南 信阳 464000
计算机与自动化
茶叶病害检测深度学习目标检测注意力机制
teadisease detectiondeep learningobject detectionattention mechanisms
《信阳师范学院学报（自然科学版）》 2024 (2)
基于精简模式的可变数据流集成分类模型关键技术研究
246-251,6
国家自然科学基金项目(62062004)河南省自然科学基金项目(222300420274)信阳师范学院研究生科研创新基金项目(2021KYJJ56)
评论