基于改进YOLOv4模型的茶叶病害识别.pdf
《基于改进YOLOv4模型的茶叶病害识别.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv4模型的茶叶病害识别.pdf(10页珍藏版)》请在咨信网上搜索。
1、第5 1卷 第9期2 0 2 3年9月西北农林科技大学学报(自然科学版)J o u r n a l o f N o r t h w e s t A&F U n i v e r s i t y(N a t.S c i.E d.)V o l.5 1 N o.9S e p.2 0 2 3网络出版时间:2 0 2 3-0 3-0 8 0 8:5 7 D O I:1 0.1 3 2 0 7/j.c n k i.j n w a f u.2 0 2 3.0 9.0 1 6网络出版地址:h t t p s:/k n s.c n k i.n e t/k c m s/d e t a i l/6 1.1 3 9 0
2、.S.2 0 2 3 0 3 0 6.1 8 0 0.0 1 0.h t m l基于改进Y O L O v 4模型的茶叶病害识别 收稿日期 2 0 2 2-0 5-1 9 基金项目 广东省现代农业关键技术模式集成与示范推广项目(粤财农2 0 2 13 7号-2 0 0 0 1 1);国家自然科学基金项目(3 1 6 7 1 5 9 1,3 1 9 7 1 7 9 7);广州市科技计划项目(2 0 2 0 0 2 0 3 0 2 4 5);广东省科技专项资金项目(“大专项+任务清单”)(2 0 2 0 0 2 0 1 0 3);广东省现 代 农 业 产 业 技 术 体 系 创 新 团 队 建 设
3、 专 项 资 金 项 目(2 0 2 2 K J 1 0 8);广 东 省 教 育 厅 特 色 创 新 类 项 目(2 0 1 9 K T S C X 0 1 3);2 0 2 0年广东省科技创新战略专项资金项目(“攀登计划”,p d j h 2 0 2 0 a 0 0 8 4);广东省大学生创新创业项目(S 2 0 2 0 1 0 5 6 4 1 5 0,2 0 2 1 1 0 5 6 4 0 4 2)作者简介 孙道宗(1 9 7 9-),男,安徽怀远人,副教授,博士,主要从事喷雾技术及传感器技术应用研究。E-m a i l:s u n d a o z o n g s c a u.e d u
4、.c n 通信作者 王卫星(1 9 6 3-),男,河北宣化人,教授,博士,主要从事农业信息化研究。E-m a i l:w e i x i n g s c a u.e d u.c n孙道宗1,2,刘 欢1,刘锦源1,丁 郑1,谢家兴1,2,王卫星1,2 (1 华南农业大学 电子工程学院(人工智能学院),广东 广州 5 1 0 6 4 2;2 广东省农情信息监测工程技术研究中心,广东 广州 5 1 0 6 4 2)摘 要【目的】提出了一种改进的YO L O v 4模型,为自然环境下3种常见茶叶病害(茶白星病、茶云纹叶枯病和茶轮斑病)的快速精准识别提供支持。【方法】使用M o b i l e N
5、e t v 2和深度可分离卷积来降低YO L O v 4模型的参数量,并引入卷积注意力模块对YO L O v 4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标,在相同的茶叶病害数据集和试验平台中,对改进YO L O v 4模型与原始YO L O v 4模型、其他目标检测模型(YO L O v 3、S S D和F a s t e r R-C NN)的病害识别效果进行对比试验。【结果】与原始YO L O v 4模型相比,改进YO L O v 4模型的大小减少了8 3.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1
6、.6%,平均精度均值达到9 3.8 5%,图像检测速度为2 6.6帧/s。与YO L O v 3、S S D和F a s t e r R-C NN模型相比,改进YO L O v 4模型的平均精度均值分别提高了6.0%,1 3.7%和3.4%,图像检测速度分别提高了5.5,7.3和1 1.7帧/s。【结论】对YO L O v 4模型所使用的改进方法具备有效性,所提出的改进YO L O v 4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。关键词 茶白星病;茶云纹叶枯病;茶轮斑病;YO L O v 4模型;茶叶病害识别 中图分类号 T P 3 9 1.4;S 4 3 5.7 1 1 文献标
7、志码 A 文章编号 1 6 7 1-9 3 8 7(2 0 2 3)0 9-0 1 4 5-1 0R e c o g n i t i o n o f t e a d i s e a s e s b a s e d o n i m p r o v e d Y O L O v 4 m o d e lS UN D a o z o n g1,2,L I U H u a n1,L I U J i n y u a n1,D I N G Z h e n g1,X I E J i a x i n g1,2,WAN G W e i x i n g1,2(1 C o l l e g e o f E l e c t
8、 r o n i c E n g i n e e r i n g(C o l l e g e o f A r t i f i c i a l I n t e l l i g e n c e),S o u t h C h i n a A g r i c u l t u r a l U n i v e r s i t y,G u a n g z h o u,G u a n g d o n g 5 1 0 6 4 2,C h i n a;2 G u a n g d o n g E n g i n e e r i n g R e s e a r c h C e n t e r f o r M o n
9、i t o r i n g A g r i c u l t u r a l I n f o r m a t i o n,G u a n g z h o u,G u a n g d o n g 5 1 0 6 4 2,C h i n a)A b s t r a c t:【O b j e c t i v e】A n i m p r o v e d YO L O v 4 m o d e l w a s p r o p o s e d t o p r o v i d e s u p p o r t f o r t h e r a p i d a n d a c c u r a t e r e c o
10、g n i t i o n o f t h r e e c o mm o n t e a d i s e a s e s o f t e a w h i t e s c a b d i s e a s e,t e a c l o u d l e a f b l i g h t a n d t e a r i n g s p o t i n n a t u r a l e n v i r o n m e n t.【M e t h o d】T h e n u m b e r o f p a r a m e t e r s o f t h e YO L O v 4 m o d e l w a s r
11、 e d u c e d b y u s i n g M o b i l e N e t v 2 a n d d e p t h w i s e s e p a r a b l e c o n v o l u t i o n,a n d t h e c o n v o l u t i o n a l b l o c k a t t e n t i o n m o d u l e w a s i n t r o d u c e d t o i m p r o v e r e c o g n i t i o n p r e c i s i o n o f t h e m o d e l.U s i
12、 n g a v e r a g e p r e c i s i o n,m e a n a v e r a g e p r e c i-s i o n,i m a g e d e t e c t i o n s p e e d a n d m o d e l s i z e a s e v a l u a t i o n i n d e x e s,t h e d i s e a s e r e c o g n i t i o n a b i l i t y o f t h e i m-p r o v e d YO L O v 4 m o d e l w a s c o m p a r e
13、d w i t h t h a t o f t h e o r i g i n a l YO L O v 4 m o d e l a n d o t h e r t a r g e t d e t e c t i o n m o d e l s(YO L O v 3,S S D a n d F a s t e r R-C NN)u s i n g t h e s a m e t e a d i s e a s e d a t a s e t a n d t e s t b e d.【R e s u l t】C o m-p a r e d w i t h t h e o r i g i n a
14、l YO L O v 4 m o d e l,t h e s i z e o f t h e i m p r o v e d YO L O v 4 m o d e l w a s d e c r e a s e d b y 8 3.2%,a n d t h e a v e r a g e r e c o g n i t i o n p r e c i s i o n o f t e a w h i t e s c a b d i s e a s e,t e a c l o u d l e a f b l i g h t a n d t e a r i n g s p o t w a s i n
15、 c r e a s e d b y 6.2%,1.7%a n d 1.6%,r e s p e c t i v e l y.T h e m e a n a v e r a g e p r e c i s i o n r e a c h e d 9 3.8 5%,a n d t h e i m a g e d e t e c t i o n s p e e d w a s 2 6.6 f r a m e s/s.C o m p a r e d w i t h YO L O v 3,S S D a n d F a s t e r R-C NN m o d e l s,t h e m e a n
16、a v e r a g e p r e c i s i o n o f t h e i m p r o v e d YO L O v 4 m o d e l w a s i n c r e a s e d b y 6.0%,1 3.7%a n d 3.4%,a n d t h e i m a g e d e t e c t i o n s p e e d w a s i n c r e a s e d b y 5.5,7.3 a n d 1 1.7 f r a m e s/s,r e s p e c t i v e l y.【C o n c l u s i o n】T h e i m-p r
17、o v e d m e t h o d s w e r e v a l i d,a n d t h e i m p r o v e d YO L O v 4 m o d e l a c h i e v e d r a p i d a n d a c c u r a t e r e c o g n i t i o n o f t h r e e c o mm o n t e a d i s e a s e s i n n a t u r a l e n v i r o n m e n t.K e y w o r d s:t e a w h i t e s c a b d i s e a s e;
18、t e a c l o u d l e a f b l i g h t;t e a r i n g s p o t;YO L O v 4 m o d e l;r e c o g n i t i o n o f t e a d i s e a s e s 中国是茶叶原产国和消费大国,茶产业也是独具特色的民生产业,在推动乡村振兴的进程中为全国百余个贫困县的脱贫攻坚提供了强大助力1。然而,同多数农作物一样,难控多发的茶叶病害若不及时加以控制会导致叶片细小、扭曲甚至过早枯萎,从而影响茶叶品质和产量。在茶叶的病害类型中,茶云纹叶枯病是茶园中最为常见的广泛分布于各产茶省份的病害,茶轮斑病是茶树整个生长周期
19、内均易发生的顽固病害,茶白星病则是对嫩叶危害程度较大、发病率可达8 0%以上的病害2-3。传统人工巡视辨别茶叶病害的流程效率较低4,而在茶叶生长过程中及时精准地识别病害类型是有效防治病害的前提,同时对于辅助茶农尽早采取治理措施、保障茶叶品质也具有重要意义。在深度学习兴起前,国内外相关学者基于机器学习和传统图像处理法在农作物病害识别领域进行了积极探索5-6,其中代表性的方法主要有支持向量机(s u p p o r t v e c t o r m a c h i n e,S VM)、K-m e a n s聚类和边缘检测等7-8。但基于机器学习的病害图像识别研究中,通常提前去除了作物生长的复杂背景,
20、且对作物患病部位的处理较为理想化,导致所设计的病害特征分类器存在客观限制,在自然生长环境中的作物上适用性欠佳8-1 0。随着“智慧农业”理念的推进以及深度学习技术的发展,应用卷积神经网络(c o n v o l u t i o n a l n e u r a l n e t w o r k s,C NN)对农作物病害图像进行识别,是近年来植物表型特征研究的重要方向之一1 1-1 3。其中涉及的方法主要包括两类:第一类是以区域卷积神经网 络(r e g i o n-c o n v o l u t i o n a l n e u r a l n e t w o r k s,R-C NN)1 4和快
21、速区域卷积神经网络(f a s t e r r e g i o n-c o n v o l u t i o n a l n e u r a l n e t w o r k s,F a s t e r R-C NN)1 5为代表的两阶段目标检测法,该方法对图像的处理思想是首先获得检测对象的候选区域,然后再于候选区域中生成候选框进行回归预测,以生成最终的预测框。如O z g u v e n等1 6提出用改进的F a s t e r R-C NN对患叶斑病的甜菜叶片进行识别,准确率达到了9 5.5%;R e h m a n等1 7使用增强后的苹果叶片病害图像训练R-C NN,训练完成后的R-C NN
22、对3种苹果叶片病害(黑星病、黑腐病和锈病)识别的平均精度均值为8 6.1%。第二类是以单次检测器(y o u o n l y l o o k o n c e,YO L O)1 8-2 0、单次多框检测器(s i n-g l e s h o t m u l t i b o x d e t e c t o r,S S D)2 1为代表的单阶段目标检测法,该方法简化了图像处理步骤,直接在输入图像中生成若干候选框,以对检测对象的类型和位置进行回归预测,因此检测速度快于第一类方法。如佘颢等2 2通过在S S D中引入特征金字塔网络(f e a t u r e p y r a m i d n e t w
23、o r k s,F P N)以充分获取图像不同特征层的分辨率信息,改进后的S S D对识别水稻 害 虫 稻 飞 虱 的 平 均 精 度 由6 7.6%提 升 至7 5.8%;R o y等2 3对YO L O v 4进行改进,发现融合多尺度检测模块的YO L O v 4对识别4种番茄病害(早疫病、晚疫病、斑枯病和叶霉病)的平均精度均值达到了9 0.3 3%。但以上试验中较少涉及作物在复杂生长环境下的病害目标识别,且在网络模型的改进方法上并未明显降低模型参数量,从而影响了模型的图像检测速度。YO L O v 4是YO L O的第4代版本,与前几代版本相比,YO L O v 4在目标检测任务中具有较
24、大的优势,但将YO L O v 4应用于自然环境下茶白星病、茶云纹叶枯病和茶轮斑病这3种常见茶叶病害的识别还存在改进空间,具体表现在3个方面:一是茶白星病的病斑较小,YO L O v 4模型对小目标易漏检;二是茶云纹叶枯病和茶轮斑病的病斑形状不规则,且其褐色病斑与茶树枝干的颜色较为接近,YO L O v 4模型的识别精度有待提高;三641西北农林科技大学学报(自然科学版)第5 1卷是YO L O v 4模型参数量较大,对茶叶病害目标识别的实时性有待改进。综上,本研究针对自然环境下茶白星病、茶云纹叶枯病和茶轮斑病的特点及病害目标识别中存在的问题,以YO L O v 4模型为基础对其进行轻量化改进
25、以提高识别速度,同时引入卷积注意力模块和K-m e a n s聚类算法,以期提升YO L O v 4模型对茶叶病害的识别精度,为构建更适于自然环境下茶叶病害的识别模型提供参考。1 材料与方法1.1 试验数据采集采集自然环境下的茶叶病害数据集是开展病害目标识别的前提。试验中茶叶病害图像的采集地点位于广东省广州市天河区柯木塱农技推广中心及广州市白云区农业科学院的茶园内,拍摄时间为2 0 2 1年7月1 0日、8月9日、9月1 8日、1 0月2 0日和1 1月1 7日。拍摄时,手持高清移动设备(4 8 0 0万像素)距茶叶病害叶片1 01 5 c m处拍摄,拍摄角度为正面拍、俯拍和侧拍等,成像背景含
- 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 YOLOv4 模型 茶叶 病害 识别
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。