基于PP-YOLO的农业病虫害识别算法OA
为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddleYou Only Look once)的农业病虫害识别算法。选取2359个病虫害样本数据集,按照9∶1的比例进行训练集、测试集的划分;选择PP-YOLO模型进行病虫害监测,并利用平均精度mAP(mean average precision)指标进行模型精度评价;探讨PP-YOLO结合数据增强mixup、颜色扭曲法在病虫害中小目标检测上的适用性。结果表明,PP-YOLO模型在病虫害中小目标检测方面mAP达47.4%、26.5%;基于PP-YOLO模型结合数据增强mixup与颜色扭曲后在病虫害中小目标检测上mAP分别提升4.3%、2.9%。总之,PP-YOLO模型可有效检测识别农作物害虫,同时,数据增强mixup与颜色扭曲法可有效提升病虫害的数据样本指标。
张勇;翟今成;王俪晓;宋丙国;陈雷;
内蒙古自治区和林格尔县农牧局,内蒙古呼和浩特011500临沂市农业农村局,山东临沂276000临沂丰邦植物医院有限公司,山东临沂276000山东青果食品有限公司,山东临沂276000中再云图技术有限公司,重庆400000
植物保护学
人工智能病虫害识别PP-YOLO数据增强颜色扭曲法
《中国果菜》 2024 (005)
P.80-87 / 8
重庆市自然科学基金(cstc2020jcyj-msxmX0841);国家重点研发计划(2018 YFC1505501)。
评论