[1]严陈慧子,田芳明,谭峰,等.基于改进YOLOv4的水稻病害快速检测方法[J].江苏农业科学,2023,51(6):187-194.
　Yanchen Huizi,et al.Rapid detection method of rice diseases based on improved YOLOv4[J].Jiangsu Agricultural Sciences,2023,51(6):187-194.
点击复制

基于改进YOLOv4的水稻病害快速检测方法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第6期
页码:
187-194
栏目:
农业工程与信息技术
出版日期:
2023-03-20

文章信息/Info

Title:
Rapid detection method of rice diseases based on improved YOLOv4
作者:
严陈慧子1;  田芳明1; 2;  谭峰1;  王思琪1;  石景秀1
1.黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆 163319；2.农业农村部农产品及加工品质量监督检验测试中心，黑龙江大庆 163316
Author(s):
Yanchen Huizi; et al
关键词:
水稻病害; 目标检测; YOLOv4; MobileNet V3; 坐标注意力
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
针对水稻图像中复杂背景带来的病斑难以识别、检测速度慢等问题，以水稻稻瘟病、白叶枯病和胡麻斑病图像为研究对象，提出一种基于改进YOLOv4的水稻病害检测方法，该方法以YOLOv4模型为主体框架，采用轻量级网络MobileNet V3代替原始主干网络CSPDarkNet-53，并通过在颈部网络添加坐标注意力模块(coordinate attention module，CAM)来提高模型的性能。结果表明，改进后的模型对水稻稻瘟病、白叶枯病、胡麻斑病的识别准确率均有所提升，平均精度均值(mean average precision，mAP)为85.34%，与原始YOLOv4模型相比，mAP提高了1.32%，每秒钟检测图像的帧数(frames per second，FPS)为53.43帧/s，检测速度提高了49.62%，说明研究得出的方法具有较高的平均准确率及较快的检测速度，能够用于田间复杂环境下的水稻病害快速识别。
Abstract:
-

参考文献/References:

［1］亓璐，张涛，曾娟，等. 近年我国水稻五大产区主要病害发生情况分析［J］. 中国植保导刊，2021，41(4)：37-42，65.
［2］全国农业技术推广服务中心. 2022年全国农作物重大病虫害发生趋势预报［N］. 农民日报，2022-02-16(6).
［3］邵泽中，姚青，唐健，等. 面向移动终端的农业害虫图像智能识别系统的研究与开发［J］. 中国农业科学，2020，53(16)：3257-3268.
［4］章毓晋. 中国图像工程25年［J］. 中国图象图形学报，2021，26(10)：2326-2336.
［5］Fang X L，Hu F，Yang M，et al. Small object detection in remote sensing images based on super-resolution［J］. Pattern Recognition Letters，2022，153(6)：107-112.
［6］闫钧华，张琨，施天俊，等. 融合多层级特征的遥感图像地面弱小目标检测［J］. 仪器仪表学报，2022，43(3)：221-229.
［7］邹俊志，杨建喜，李昊，等. 复杂背景下基于改进YOLO v3算法的桥梁表观病害识别［J］. 铁道科学与工程学报，2021，18(12)：3257-3266.
［8］孙一飞，武继刚，张欣鹏. 面向眼底图像小目标检测的无监督学习方法［J］. 计算机工程与科学，2019，41(11)：2000-2006.
［9］Jia D Y，He Z H，Zhang C W，et al. Detection of cervical cancer cells in complex situation based on improved YOLOv3 network［J］. Multimedia Tools and Applications，2022，81(6)：8939-8961.
［10］刘芳，刘玉坤，林森，等. 基于改进型YOLO的复杂环境下番茄果实快速识别方法［J］. 农业机械学报，2020，51(6)：229-237.［11］亢洁，刘港，郭国法. 基于多尺度融合模块和特征增强的杂草检测方法［J］. 农业机械学报，2022，53(4)：254-260.
［12］刘莫尘，高甜甜，马宗旭，等. 基于MSRCR-YOLOv4-tiny的田间玉米杂草检测模型［J］. 农业机械学报，2022，53(2)：246-255，335.
［13］李就好，林乐坚，田凯，等. 改进Faster R-CNN的田间苦瓜叶部病害检测［J］. 农业工程学报，2020，36(12)：179-185.
［14］徐信罗，陶欢，李存军，等. 基于Faster R-CNN的松材线虫病受害木识别与定位［J］. 农业机械学报，2020，51(7)：228-236.
［15］王云露，吴杰芳，兰鹏，等. 基于改进Faster R-CNN的苹果叶部病害识别方法［J］. 林业工程学报，2022，7(1)：153-159.
［16］李善军，胡定一，高淑敏，等. 基于改进SSD的柑橘实时分类检测［J］. 农业工程学报，2019，35(24)：307-313.
［17］佘颢，吴伶，单鲁泉. 基于SSD网络模型改进的水稻害虫识别方法［J］. 郑州大学学报(理学版)，2020，52(3)：49-54.
［18］闫建伟，张乐伟，赵源，等. 改进RetinaNet的刺梨果实图像识别［J］. 中国农机化学报，2021，42(3)：78-83.
［19］郭阳，许贝贝，陈桂鹏，等. 基于卷积神经网络的水稻虫害识别方法［J］. 中国农业科技导报，2021，23(11)：99-109.
［20］孙俊，朱伟栋，罗元秋，等. 基于改进MobileNet-V2的田间农作物叶片病害识别［J］. 农业工程学报，2021，37(22)：161-169.

相似文献/References:

[1]罗巍,陈曙东,王福涛,等.基于深度学习的大型食草动物种群监测方法[J].江苏农业科学,2020,48(20):247.
　Luo Wei,et al.Monitoring method of large herbivore population based on deep learning[J].Jiangsu Agricultural Sciences,2020,48(6):247.
[2]陈恩会,褚姝频,王炜,等.基于RetinaNet模型的梨小食心虫智能识别计数方法[J].江苏农业科学,2021,49(24):205.
　Chen Enhui,et al.Intelligent recognition and counting method of Grapholitha molesta based on RetinaNet model[J].Jiangsu Agricultural Sciences,2021,49(6):205.
[3]陶雪阳,施振旦,郭彬彬,等.基于RFID与目标检测的种鹅个体产蛋信息监测方法[J].江苏农业科学,2023,51(5):200.
　Tao Xueyang,et al.Monitoring method of individual egg-laying information of breeding geese based on RFID and object detection[J].Jiangsu Agricultural Sciences,2023,51(6):200.
[4]周绍发,肖小玲,刘忠意,等.改进的基于YOLOv5s苹果树叶病害检测[J].江苏农业科学,2023,51(13):212.
　Zhou Shaofa,et al.Improved apple leaf disease detection based on YOLOv5s[J].Jiangsu Agricultural Sciences,2023,51(6):212.
[5]姜国权,杨正元,霍占强,等.基于改进YOLOv5网络的疏果前苹果检测方法[J].江苏农业科学,2023,51(14):205.
　Jiang Guoquan,et al.Apple detection method before thinning fruit based on improved YOLOv5 model[J].Jiangsu Agricultural Sciences,2023,51(6):205.
[6]王圆圆,林建,王姗.基于YOLOv4-tiny模型的水稻早期病害识别方法[J].江苏农业科学,2023,51(16):147.
　Wang Yuanyuan,et al.An early rice disease recognition method based on YOLOv4-tiny model[J].Jiangsu Agricultural Sciences,2023,51(6):147.
[7]王忠培,董伟,朱静波,等.简单三维注意力机制水稻病害识别模型[J].江苏农业科学,2023,51(20):186.
　Wang Zhongpei,et al.Simple 3D attention mechanism model for rice disease identification[J].Jiangsu Agricultural Sciences,2023,51(6):186.
[8]路阳,刘婉婷,林立媛,等.CNN与BiLSTM相结合的水稻病害识别新方法[J].江苏农业科学,2023,51(20):211.
　Lu Yang,et al.A new method for rice disease identification by combining CNN and BiLSTM[J].Jiangsu Agricultural Sciences,2023,51(6):211.
[9]倪智涛,胡伟健,李宝山,等.一种基于图像分类与目标检测协同的番茄细粒度病害识别方法[J].江苏农业科学,2023,51(22):221.
　Ni Zhitao,et al.A novel method for tomato fine-grained disease recognition based on image classification and target detection[J].Jiangsu Agricultural Sciences,2023,51(6):221.
[10]施杰,林双双,罗建刚,等.基于YOLO v5s改进模型的玉米作物病虫害检测方法[J].江苏农业科学,2023,51(24):175.
　Shi Jie,et al.Study on a detection method for crop diseases and insect pests based on YOLO v5s improved model[J].Jiangsu Agricultural Sciences,2023,51(6):175.

备注/Memo

备注/Memo:
收稿日期：2022-05-10
基金项目：黑龙江省自然科学基金重点项目(编号：ZD2019F002)；黑龙江八一农垦大学校内资助项目(编号：XZR2016-10)；黑龙江八一农垦大学博士启动基金(编号：XDB201814)；黑龙江八一农垦大学自然科学人才支持计划(编号：ZRCPY202015)。
作者简介：严陈慧子(1997—)，女，湖北黄冈人，硕士研究生，研究方向为农业病虫害图像处理。E-mail：411434109@qq.com。
通信作者：田芳明，博士，教授，研究方向为农业物联网和模式识别。E-mail：byndtfm@163.com。
更新日期/Last Update: 2023-03-20