基于改进YOLOv7的农作物虫害识别OA北大核心CSTPCD

为提高农作物虫害检测的准确率和效率,提出了一种基于YOLOv7的农作物虫害识别模型。首先,使用信息聚集−分发机制改进YOLOv7的特征融合模块,增强了不同层级之间的特征融合能力;其次,将损失函数替换为最小点距离交并比来计算边界框回归损失,更好地对齐预测框和真实目标框,提高了边界框回归的准确性;最后,通过在SPPCSPC层后添加感受野增强模块,增强了模型对小尺度害虫的识别能力。实验结果表明,改进后的YOLOv7模型平均准确度为80.4%,精确率为85.3%,召回率为75.1%,较改进前分别提升了3.4%、3.2%、2.6%。该模型对农业害虫具有更好的识别效果和鲁棒性,为农业害虫监测与防治提供了更准确和可靠的工具。